深度伪造检测的极限：一种稳健估计的视角
机器学习
2019-05-10 v1 人工智能
信息论
math.IT
机器学习
摘要
深度伪造检测被表述为一个假设检验问题，用以将图像分类为真实图像或 GAN 生成的图像。我们考虑了 GAN 的稳健统计视角，以根据其性能对各种 GAN 实现的错误概率进行界定。利用低错误率区间的欧几里得近似，这些界限被进一步简化。最后，建立了错误概率与网络中传播过程的流行病阈值之间的关系。
引用
@article{arxiv.1905.03493,
title = {Limits of Deepfake Detection: A Robust Estimation Viewpoint},
author = {Sakshi Agarwal and Lav R. Varshney},
journal= {arXiv preprint arXiv:1905.03493},
year = {2019}
}