基于深度学习与主观评估的换脸检测

深度学习在成像应用中的巨大成功带来了众多有益进展。不幸的是，这一成功也成了恶意使用的催化剂，例如未经同意的照相级真实人脸交换。将一人面部从源图像迁移至另一人的目标图像，同时保持整体图像照相级真实，已变得愈发容易与自动化，即便对于图像处理知识匮乏者亦然。本研究中，我们使用深度迁移学习进行换脸检测，展现出真阳性率>96%且极少误报。区别于仅提供检测精度的现有方法，我们还给出每次预测的不确定性，这对于此类检测系统部署中的信任至关重要。此外，我们提供与人类的对比。为获取人类识别表现，我们搭建网站收集人类对图像的成对比较。基于这些比较，图像被从最真实到最虚假排序。我们将此排序与自动模型输出比较，显示出良好但不完美的对应，线性相关性>0.75。总体而言，结果展示了我们方法的有效性。作为本研究一部分，我们创建了一个新颖的公开数据集，据我们所知，这是使用静态图像创建的最大公开换脸数据集。本研究目标是通过创建公开数据集与初步分析，激励图像取证领域更多研究。