视频中人脸篡改检测的循环卷积策略
计算机视觉与模式识别
2019-05-17 v3
摘要
通过合成生成却逼真的图像与视频传播虚假信息已成为一个重大问题，亟需鲁棒的篡改检测方法。尽管在静态图像中检测人脸篡改方面已有主要努力，但利用视频流中存在的时序信息来识别被篡改人脸的研究较少。循环卷积模型是一类深度学习模型，已证明能有效跨领域利用图像流的时序信息。为此，我们通过大量实验提炼出结合这些模型变体与时域特定人脸预处理技术的最佳策略，从而在公开可用的基于视频的人脸篡改基准上取得最先进（SOTA）性能。具体而言，我们尝试检测视频流中的Deepfake、Face2Face与FaceSwap篡改人脸。评估在近期引入的FaceForensics++数据集上进行，将先前SOTA准确率提升至多4.55%。
引用
@article{arxiv.1905.00582,
title = {Recurrent Convolutional Strategies for Face Manipulation Detection in Videos},
author = {Ekraam Sabir and Jiaxin Cheng and Ayush Jaiswal and Wael AbdAlmageed and Iacopo Masi and Prem Natarajan},
journal= {arXiv preprint arXiv:1905.00582},
year = {2019}
}
备注
To appear at Workshop on Applications of Computer Vision and Pattern Recognition to Media Forensics at CVPR 2019