GC-ConsFlow：利用光流残差和全局上下文实现鲁棒深度伪造检测
计算机视觉与模式识别
2025-01-24 v1
摘要
深度伪造技术的快速发展使得能够生成高度逼真的操纵视频，带来严重的社会和伦理挑战。现有的深度伪造检测方法主要关注空间或时间不一致，往往忽视两者之间的相互作用，或受到自然面部运动干扰。为此，我们提出了全局上下文一致性流（GC-ConsFlow），一种新型双流框架，有效整合空间和时间特征，实现鲁棒的深度伪造检测。全局分组上下文聚合模块（GGCA）集成在全局上下文感知帧流（GCAF）中，通过聚合分组的全局上下文信息来增强空间特征提取，检测帧内细微的空间痕迹。流梯度时间一致性流（FGTC）不直接建模残差，而是利用光流残差和梯度特征来提高对不自然面部运动引入的不一致性的鲁棒性。通过组合这两个流，GC-ConsFlow在捕捉补充的时空伪造痕迹方面表现出有效性和鲁棒性。大量实验表明，GC-ConsFlow 在 various compression scenarios 下检测深度伪造视频的性能优于现有最先进的方法。
引用
@article{arxiv.2501.13435,
title = {GC-ConsFlow: Leveraging Optical Flow Residuals and Global Context for Robust Deepfake Detection},
author = {Jiaxin Chen and Miao Hu and Dengyong Zhang and Jingyang Meng},
journal= {arXiv preprint arXiv:2501.13435},
year = {2025}
}