MRI-GAN：一种基于感知图像评估检测DeepFake的通用方法

Pratikkumar Prajapati; Chris Pollett

MRI-GAN：一种基于感知图像评估检测DeepFake的通用方法

计算机视觉与模式识别 2022-03-02 v1 机器学习图像与视频处理

作者: Pratikkumar Prajapati , Chris Pollett

摘要

DeepFake是通过将原始图像中的人脸替换为他人人脸而生成的合成视频。在本文中，我们描述了开发用于分类DeepFake内容的通用、基于深度学习的模型的工作。我们提出了一种使用基于生成对抗网络（GAN）的模型的新框架，称之为MRI-GAN，该框架利用图像中的感知差异来检测合成视频。我们使用DeepFake检测挑战数据集测试了我们的MRI-GAN方法和一种基于普通帧的模型。我们的普通帧模型达到了91%的测试准确率，而使用我们的MRI-GAN框架并结合结构相似性指数测量（SSIM）来度量感知差异的模型达到了74%的测试准确率。MRI-GAN的结果是初步的，可通过修改损失函数的选择、调整超参数或使用更先进的感知相似性度量来进一步改进。

关键词

DeepFake检测生成对抗网络 MRI-GAN 感知图像评估结构相似性指数视频取证

引用

@article{arxiv.2203.00108,
  title  = {MRI-GAN: A Generalized Approach to Detect DeepFakes using Perceptual Image Assessment},
  author = {Pratikkumar Prajapati and Chris Pollett},
  journal= {arXiv preprint arXiv:2203.00108},
  year   = {2022}
}

备注

9 pages, 11 figures, 2 tables

MRI-GAN：一种基于感知图像评估检测DeepFake的通用方法

摘要

关键词

引用

备注

相关论文