学习掩码：面向泛化的人脸伪造检测

对未见伪造类型的泛化能力对于人脸伪造检测器至关重要。近期工作通过合成伪造数据增强在泛化方面取得了显著进展。在本工作中，我们探索了另一条提升泛化能力的路径。我们的目标是在训练阶段减少易于学习的特征，从而降低在特定伪造类型上过拟合的风险。具体而言，在我们的方法中，教师网络以人脸图像为输入，通过多样化的多头注意力ViT生成深度特征的注意力图。该注意力图用于引导学生网络通过抑制高注意力深度特征来聚焦于低注意力特征。我们还提出了一种深度特征混合策略，以在特征域中合成伪造样本。实验表明，在不使用数据增强的情况下，我们的方法能够在未见伪造数据和高度压缩数据上取得有前景的性能。