学习在真实场景中检测伪造人脸图像
多媒体
2018-10-19 v3 计算机视觉与模式识别
摘要
尽管生成对抗网络（GAN）可用于生成逼真图像，但这些技术的不当使用带来了隐患。例如，GAN 可用于为特定人物和不实事件生成篡改视频，制造不利于特定人物的图像，甚至可能影响其人身安全。在本文中，我们将开发一种深度伪造判别器（DeepFD）来高效且有效地检测计算机生成的图像。直接学习一个二分类器相对棘手，因为难以找到用于判断由不同 GAN 生成的伪造图像的通用判别特征。为克服这一不足，我们采用对比损失来寻求不同 GAN 生成合成图像的典型特征，随后拼接一个分类器来检测此类计算机生成图像。实验结果表明，所提出的 DeepFD 成功检测出了由多个最先进 GAN 生成的 94.7% 的伪造图像。
引用
@article{arxiv.1809.08754,
title = {Learning to Detect Fake Face Images in the Wild},
author = {Chih-Chung Hsu and Chia-Yen Lee and Yi-Xiu Zhuang},
journal= {arXiv preprint arXiv:1809.08754},
year = {2018}
}
备注
4 pages to appear in IEEE IS3C Conference (IEEE International Symposium on Computer, Consumer and Control Conference), Dec. 2018