面向假脸检测的代表性伪造挖掘
计算机视觉与模式识别
2021-04-15 v1
摘要
尽管基于普通卷积神经网络（CNN）的检测器在假脸检测上能取得令人满意的性能，我们观察到检测器倾向于在面部有限区域内寻找伪造痕迹，这揭示检测器缺乏对伪造的理解。因此，我们提出一种基于注意力的数据增强框架，以引导检测器细化并扩大其注意力。具体而言，我们的方法追踪并遮挡 Top-N 敏感面部区域，鼓励检测器向先前忽略的区域更深挖掘，以获取更具代表性的伪造痕迹。特别地，我们的方法简单易用，可轻松与各种 CNN 模型集成。大量实验表明，用我们的方法训练的检测器能够分别指出由不同操纵技术生成的假脸的代表性伪造，且我们的方法使普通 CNN 检测器无需结构修改即达到最先进性能。
引用
@article{arxiv.2104.06609,
title = {Representative Forgery Mining for Fake Face Detection},
author = {Chengrui Wang and Weihong Deng},
journal= {arXiv preprint arXiv:2104.06609},
year = {2021}
}