良性修改对深度伪造检测器判别性能的影响
计算机视觉与模式识别
2021-11-16 v1
摘要
深度伪造在娱乐等善意应用中以及图像和视频伪造等恶意操纵中正变得越来越流行。主要受后者驱动，近期已提出大量深度伪造检测器以识别此类内容。尽管此类检测器的性能仍需进一步改进，它们常在简单乃至平凡的情境下被评估。特别是，转码、去噪、缩放和增强等良性处理操作的影响尚未得到充分研究。本文提出一个更严格且系统的框架，以在更现实的情境中评估深度伪造检测器的性能。它定量度量每种良性处理方法如何以及在何种程度上影响最先进的深度伪造检测方法。通过在一个流行的深度伪造检测器上加以说明，我们的基准提出了一个评估检测器鲁棒性的框架，并为设计更高效的深度伪造检测器提供了有价值的见解。
引用
@article{arxiv.2111.07468,
title = {Impact of Benign Modifications on Discriminative Performance of Deepfake Detectors},
author = {Yuhang Lu and Evgeniy Upenik and Touradj Ebrahimi},
journal= {arXiv preprint arXiv:2111.07468},
year = {2021}
}