基于身份的 DeepFake 检测
计算机视觉与模式识别
2020-12-08 v1
摘要
迄今为止，DeepFake 检测主要由“伪影驱动”方法主导，而当图像伪影类型未知或伪影本身难以发现时，检测性能会显著下降。在本工作中，我们提出一种替代方法：基于身份的 DeepFake 检测。我们的方法以疑似图像/视频以及目标身份信息（参考图像或视频）作为输入，输出关于疑似图像/视频中的身份是否与目标身份相同的判定。我们的动机是防范传播针对特定人物的虚假信息这一最常见且最具危害性的 DeepFake。基于身份的方法根本不同之处在于其不试图检测图像伪影，而是聚焦于疑似图像/视频中的身份是否真实。为促进基于身份检测的研究，我们提出一个新的大规模数据集“Vox-DeepFake”，其中每个疑似内容均关联从目标身份视频中收集的多个参考图像。我们还提出一种简单的基于身份的检测算法 OuterFace，可作为进一步研究的基线。即便未经伪造视频训练，OuterFace 算法仍实现了优越的检测准确率，并能很好地泛化至不同 DeepFake 方法，且对视频退化技术具有鲁棒性——这是现有检测算法无法达到的性能。
引用
@article{arxiv.2012.03930,
title = {Identity-Driven DeepFake Detection},
author = {Xiaoyi Dong and Jianmin Bao and Dongdong Chen and Weiming Zhang and Nenghai Yu and Dong Chen and Fang Wen and Baining Guo},
journal= {arXiv preprint arXiv:2012.03930},
year = {2020}
}