FreqBlender：通过频率混合增强深度伪造检测

生成合成假脸（即伪造假脸）是提高深度伪造检测泛化能力的有效方法。现有方法通常通过空间域混合真实或假脸来生成这些脸部图像。尽管这些方法取得了进展，但忽略了伪造假脸中频率分布的模拟，限制了对通用造假痕迹的深入学习。为此，本文引入一种新方法——FreqBlender，通过频率知识混合来生成伪造假脸。具体地，我们研究主要频率成分，提出一种频率解析网络（Frequency Parsing Network），自适应划分与造假痕迹相关的频率成分。随后将来自假脸的频率知识混合到真实脸部，以生成伪造假脸。由于不存在频率成分的真实标签，我们描述了一套专门的训练策略，利用不同频率知识之间的内在关联来指导学习过程。实验结果表明，我们的方法在增强深度伪造检测方面有效且具有推广性，可作为其他方法的即插即用策略。