用于抗压缩人脸伪造检测的度量学习
计算机视觉与模式识别
2021-05-13 v2
摘要
检测人脸伪造图像和视频是多媒体取证中日益重要的课题。由于伪造图像和视频在互联网传播时通常被压缩为 JPEG 和 H264 等不同格式，现有在未经压缩数据上训练的伪造检测方法在识别它们时往往性能显著下降。为解决此问题，我们提出了一种新颖的抗压缩人脸伪造检测框架，该框架利用原始和压缩后的伪造样本学习一个对压缩不敏感的嵌入特征空间。具体而言，我们的方法包含三个思路：(i) 使用对抗学习策略从未经压缩和已压缩的伪造样本中提取对压缩不敏感的特征；(ii) 通过构造能够缩小嵌入空间中配对的原始与压缩图像距离的度量损失来学习鲁棒的分区；(iii) 利用注意力迁移模块提高篡改定位的精度。实验结果表明，所提方法在处理压缩与未压缩人脸伪造图像方面均高度有效。
引用
@article{arxiv.2103.08397,
title = {Metric Learning for Anti-Compression Facial Forgery Detection},
author = {Shenhao Cao and Qin Zou and Xiuqing Mao and Zhongyuan Wang},
journal= {arXiv preprint arXiv:2103.08397},
year = {2021}
}