时间依赖性在深度伪造视频检测中的有效性
计算机视觉与模式识别
2022-05-16 v1
摘要
Deepfakes 是一种合成图像生成形式，用于为恶意目的生成个人的虚假视频。由此产生的视频可能被用来传播错误信息、降低对媒体的信任，或作为一种勒索形式。这些威胁使得深度伪造视频的自动检测方法成为必要。本文研究时间信息是否能提升深度学习模型的深度伪造检测性能。为此，我们提出一个框架，依据定义特征对新方法和已有方法进行分类。这些特征是特征提取类型：自动或手动，以及帧间时间关系：依赖或独立。我们应用该框架研究时间依赖性对模型深度伪造检测性能的影响。我们发现，对于使用自动特征选择的模型，时间依赖性在分类真实图像上产生了统计显著（p < 0.05）的性能提升，表明时空信息可提升深度伪造视频检测模型的性能。
引用
@article{arxiv.2205.06684,
title = {The Effectiveness of Temporal Dependency in Deepfake Video Detection},
author = {Will Rowan and Nick Pears},
journal= {arXiv preprint arXiv:2205.06684},
year = {2022}
}