基于鲁棒注意力深度神经网络揭示 GAN 生成人脸
计算机视觉与模式识别
2022-02-15 v2
摘要
生成对抗网络（GAN）-based 技术生成并合成逼真人脸已引发严重的社会关切与安全问题。现有检测 GAN 生成人脸的方法在有限的公开数据集上表现良好，但现有公开数据集在视角变化与数据分布（真实人脸远多于合成人脸）上不足以代表真实场景。当前最优方法在真实世界问题中泛化性差，且缺乏检测结果的可解释性。现有 GAN 人脸检测模型在面对不平衡数据分布时性能显著下降。为克服这些不足，我们提出一种鲁棒、带注意力机制的端到端网络，可通过分析眼睛不一致性来识别 GAN 生成人脸。具体而言，我们的模型通过学习自动定位并比较双眼虹膜伪影，识别不一致的眼部成分。我们的深度网络通过联合考虑 AUC 损失与传统交叉熵损失来解决不平衡学习问题。在 FFHQ 数据集上针对平衡与不平衡场景的综合评估证明了所提方法的优越性。
引用
@article{arxiv.2109.02167,
title = {Robust Attentive Deep Neural Network for Exposing GAN-generated Faces},
author = {Hui Guo and Shu Hu and Xin Wang and Ming-Ching Chang and Siwei Lyu},
journal= {arXiv preprint arXiv:2109.02167},
year = {2022}
}