GazeForensics：通过注视引导的空间不一致性学习进行DeepFake检测
计算机视觉与模式识别
2023-11-27 v2
摘要
DeepFake检测在个人隐私和公共安全中至关重要。随着DeepFake技术的迭代发展，高质量的伪造视频和图像变得越来越具有欺骗性。先前的研究中，学者们多次尝试将生物特征融入DeepFake检测领域。然而，传统的基于生物特征的方法往往将生物特征与一般特征分离，并冻结生物特征提取器。这些方法导致有价值的一般特征被排除，可能引发性能下降，从而未能充分挖掘生物特征信息在辅助DeepFake检测中的潜力。此外，近年来在DeepFake检测领域中对注视真实性的审视关注不足。本文中，我们提出GazeForensics，一种创新的DeepFake检测方法，该方法利用从3D注视估计模型获得的注视表示来正则化我们DeepFake检测模型中相应的表示，同时整合一般特征以进一步提升模型性能。实验结果表明，我们提出的GazeForensics优于当前最先进的方法。
关键词
引用
@article{arxiv.2311.07075,
title = {GazeForensics: DeepFake Detection via Gaze-guided Spatial Inconsistency Learning},
author = {Qinlin He and Chunlei Peng and Decheng Liu and Nannan Wang and Xinbo Gao},
journal= {arXiv preprint arXiv:2311.07075},
year = {2023}
}