Oct, 2019

利用面部特征点补充人脸取证检测与定位

PDF
TL;DR本文提出了一个包含真实照片、生成照片和编辑照片的面部取证定位数据集，并演示了通过在输入图像中显式添加面部标志信息，提高面部索证检测和定位性能的方法。
generative adversarial networksface forensic classificationforensic localizationdatasetfacial landmarks
发现论文，激发创造
  • FakeLocator: GAN-Based 人脸篡改的鲁棒定位

    本文提出了一种基于注意力机制和单个样本聚类方法的新方法 FakeLocator，旨在通过在 GAN 合成图像中检测伪造和定位伪造来解决众所周知的伪造定位问题，同时实现高定位精度和普适性

    Jan, 2020

  • 使用关键点位置暴露生成对抗网络合成的人脸

    本文提出了一种基于面部标记点位置的新方法来揭示生成式对抗网络 (GAN) 合成图像的不同之处，并通过实验证明了 SVM 分类器使用面部标记点位置的效果可用于对 GAN 合成的面部进行分类。

    Mar, 2019

  • GAN 生成的面孔检测：综述和新视角

    通过分析当前 GAN 人脸检测的研究方向和方法，本文对深度学习、物理学、生理学以及与人类视觉性能的评估和比较等方法进行了分类，总结出不同类别的关键思路并与其具体实现相联系，讨论了存在的问题并提出了未来研究方向。

    Feb, 2022

  • 基于 GAN 的面部视频修复中的现实地标导向

    本研究中我们提出了一种用于表情驱动的视频修复的网络，利用生成对抗网络来处理静态和移动的遮挡物以生成完整的人脸图像，并借助面部标志和无遮挡参考图像来保持用户身份的一致性和情感的细节修复，为静态和动态帧中的面部视频消除遮挡提供了逼真和连贯的结果。

    Feb, 2024

  • 应用基于关键点引导的生成对抗网络进行面部表情翻译

    本文提出利用面部标志信息的地标引导生成对抗网络（LandmarkGAN）, 用于使用单张图像进行面部表情转换，实现了在同样只有一张图像的情况下，比现有的基于关键点指导法更好地实现了面部表情之间的转换。

    Sep, 2022

  • FaceForensics++: 检测篡改的面部图像学习

    本文对当前合成图像生成和处理技术的发展进行了探讨，并提出了一个基于 DeepFakes，Face2Face，FaceSwap 和 NeuralTextures 的面部操作检测基准，包括超过 180 万个操纵图像的数据库，并通过数据驱动型假冒检测器的详尽分析证明了使用额外领域特定知识的方法能够显著提高假冒检测的准确性。

    Jan, 2019

  • 关于数字人脸篡改的检测

    利用注意机制改善学习到的特征图，提高二分类（真实脸或伪造脸）的准确性和可视化处理后的伪造部位，通过大规模数据库的实验，证明了注意机制在人脸伪造检测和定位的有效性。

    Oct, 2019

  • GAN 图像取证的泛化研究

    本文研究使用预处理图像训练一种法医卷积神经网络模型，以提高对生成对抗网络图像的泛化能力，并证明所提出的方法的有效性。

    Feb, 2019

  • 超越脸部旋转：全局和局部感知 GAN 用于逼真且保留身份特征的前方合成

    本文提出了一种基于 TP-GAN 网络的真实主观正面合成方法，通过引入对局部纹理的注意力网络，并结合对称损失、身份保留损失等方式来解决这个本质上存在不确定性的挑战性问题。实验结果表明，该方法不仅在感知结果上表现出色，而且在大角度人脸识别方面也优于现有的最新方法。

    Apr, 2017

  • GP-GAN: 基于特征点的面部生成网络维护性别特征

    本文致力于使用生成模型（GP-GAN）从所给的面部标志点中合成对应的面部图片，并通过大量实验证明，该方法可以通过保留性别等信息从面部标志点中生成更准确的面部图片。

    Oct, 2017