通用人脸伪造检测器：只需一个可插入的适应模块
计算机视觉与模式识别
2024-12-31 v1
摘要
众多人脸伪造检测器旨在应对人脸深度伪造风险。然而，其实际应用受限于在训练阶段未见伪造的泛化挑战。为此，我们引入一个可插入的适应模块，可仅使用在线无标签测试数据即可适配已训练的检测器，无需修改架构或训练过程。具体而言，我们首先提出一种基于可学习类原型的分类器，从修订后的特征和原型生成预测，有效处理各种伪造线索和测试时的域间差异。此外，我们提出一种最近特征校准器进一步提高预测准确性并减少伪标签噪声对自训练的影响。跨多个数据集的实验表明，我们的方法在泛化性方面优于领先方法。而且，它作为一个即插即用组件，可与各种检测器组合以提升整体性能。
引用
@article{arxiv.2412.20801,
title = {Generalize Your Face Forgery Detectors: An Insertable Adaptation Module Is All You Need},
author = {Xiaotian Si and Linghui Li and Liwei Zhang and Ziduo Guo and Kaiguo Yuan and Bingyu Li and Xiaoyong Li},
journal= {arXiv preprint arXiv:2412.20801},
year = {2024}
}
备注
ICASSP2025 accepted