基于图卷积网络的图正则注意力卷积纠缠与拉普拉斯平滑的鲁棒深度假视频检测

随着深度假视频技术的不断升级，已构成深远威胁，亟需开发高效的检测策略。然而，面临的一个特定问题是面部图像被误判，常源于劣质视频或对抗性攻击，导致意外的时序性瑕疵，从而削弱深度假视频检测技术的效果。本文提出一种新颖的方法，用于鲁棒的深度假视频检测，利用基于图卷积网络的图正则注意力卷积纠缠（GRACE）技术，运用图拉普拉斯方法以应对上述挑战。首先部署常规卷积神经网络对整个视频进行时空特征提取。随后通过构建带稀疏约束的图，对空间特征和时间特征进行相互纠缠，强化噪声面部序列中有效面部图像的关键特征，从而提升深度假视频检测的稳定性与性能。进一步提出图拉普拉斯先验于图卷积网络中，以消除特征空间中的噪声模式，进一步提升性能。通过全面实验表明，所提方法在噪声面部序列下的深度假视频检测中达到最先进水平。源代码已公开于 https://github.com/ming053l/GRACE。