关于数字人脸操纵的检测

检测被操纵的面部图像与视频是数字媒体取证中日益重要的课题。随着先进人脸合成与操纵方法的出现，新型伪造人脸表征不断产生，并在社交媒体使用上引发重大担忧。因此，检测被操纵人脸图像并定位操纵区域至关重要。我们未采用简单的多任务学习来同时检测操纵图像与预测操纵掩码（区域），而是提出利用注意力机制处理并改进分类任务的特征图。所学注意力图突出信息区域，进一步提升二分类（真实人脸 vs. 伪造人脸）性能，并可可视化操纵区域。为支撑我们对人脸操纵检测与定位的研究，我们收集了一个包含多种面部伪造类型的大规模数据库。基于该数据集，我们对数据驱动的伪造人脸检测进行了透彻分析，表明注意力机制的使用改善了面部伪造检测与操纵区域定位。