逐砖堆叠：面向增量式人脸伪造检测的对齐特征隔离
计算机视觉与模式识别
2025-03-31 v3
摘要
人脸伪造技术的快速发展带来了日益多样化的伪造类型。增量式人脸伪造检测（IFFD）作为一种应对不断演变的伪造方法的有前景的策略被提出，其过程涉及逐步添加新的伪造数据来微调先前训练的模型。然而，一个简单训练的 IFFD 模型在整合新伪造类型时容易发生灾难性遗忘，因为在真/假二分类中将所有伪造视为单一的“假”类，会导致不同的伪造类型相互覆盖，从而遗忘早期任务中的独特特征，并限制模型学习伪造特异性和通用性的有效性。在本文中，我们提出像堆砖块一样逐层堆叠先前和新任务的潜在特征分布，即实现**对齐特征隔离**。通过这种方式，我们旨在通过最小化分布覆盖来保留已学习的伪造信息并积累新知识，从而缓解灾难性遗忘。为实现这一目标，我们首先引入稀疏均匀回放（SUR）来获取可被视为先前全局分布均匀稀疏版本的代表性子集。然后，我们提出一个潜在空间增量检测器（LID），利用 SUR 数据来隔离和对齐分布。为了进行评估，我们构建了一个更先进、更全面的专为 IFFD 定制的基准。领先的实验结果验证了我们方法的优越性。
引用
@article{arxiv.2411.11396,
title = {Stacking Brick by Brick: Aligned Feature Isolation for Incremental Face Forgery Detection},
author = {Jikang Cheng and Zhiyuan Yan and Ying Zhang and Li Hao and Jiaxin Ai and Qin Zou and Chen Li and Zhongyuan Wang},
journal= {arXiv preprint arXiv:2411.11396},
year = {2025}
}