基于 CNN 的 DeepFake 视频检测中的训练策略与数据增强
计算机视觉与模式识别
2020-11-17 v1 机器学习
多媒体
图像与视频处理
摘要
深度伪造视频在数量和质量上的快速且持续增长，要求开发可靠的检测系统，能够自动在社交媒体和互联网上就此类内容潜在的虚假性向用户发出警告。尽管算法、软件和智能手机应用在生成 manipulated 视频和换脸方面日益精进，但视频中人脸伪造自动检测系统的准确率仍相当有限，且通常偏向于用于设计和训练特定检测系统的数据集。本文分析了不同的训练策略和数增强技术如何在同数据集训练测试或跨数据集训练测试时影响基于 CNN 的 deepfake 检测器。
引用
@article{arxiv.2011.07792,
title = {Training Strategies and Data Augmentations in CNN-based DeepFake Video Detection},
author = {Luca Bondi and Edoardo Daniele Cannas and Paolo Bestagini and Stefano Tubaro},
journal= {arXiv preprint arXiv:2011.07792},
year = {2020}
}