结合双重注意力机制与特征融合的改进 Xception 人脸伪造检测
计算机视觉与模式识别
2021-09-30 v1
摘要
随着深度学习技术的快速发展，越来越多由 deepfake 生成的人脸伪造内容在社交媒体上广泛传播，引发了严重的社会关注。人脸伪造检测已成为近年来的研究热点，迄今已提出许多相关方法。然而，对于低质量和/或来源多样的图像，现有方法的检测性能仍远不能令人满意。本文提出一种结合双重注意力机制与特征融合的改进 Xception 用于人脸伪造检测。与原始 Xception 模型中的中间流不同，我们尝试利用不同层级的卷积捕捉人脸图像的不同高语义特征，并引入卷积块注意力模块与特征融合来精炼和重组这些高语义特征。在出口流中，我们采用自注意力机制和深度可分离卷积分别学习融合特征的全局信息与局部信息，以提升所提模型的分类能力。在三个 Deepfake 数据集上的实验结果表明，所提方法在有效性和泛化能力上均优于 Xception 及其他相关方法。
引用
@article{arxiv.2109.14136,
title = {Improved Xception with Dual Attention Mechanism and Feature Fusion for Face Forgery Detection},
author = {Hao Lin and Weiqi Luo and Kangkang Wei and Minglin Liu},
journal= {arXiv preprint arXiv:2109.14136},
year = {2021}
}