Jan, 2020

FakeLocator: GAN-Based 人脸篡改的鲁棒定位

PDF
TL;DR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
generative adversarial networks (gans)multi-media forensicsfake image detectionforgery localizationfakelocator
发现论文，激发创造
  • 利用面部特征点补充人脸取证检测与定位

    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。

    Oct, 2019

  • 扩散生成图像中的弱监督深度伪造定位

    通过使用基于解释、局部分数或注意机制的三种方法，并利用 Xception 网络作为共同的骨干架构，我们将任务定为弱监督定位问题，并在方法选择、监督类型、数据集和生成器等方面进行了仔细分析；我们的研究通过构建数据集，其中只有一个组件发生变化，证明了弱监督定位是可行的；而基于局部分数的最佳检测方法对于较松的监督比对于数据集或生成器的不匹配更不敏感。

    Nov, 2023

  • 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

  • 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

  • 通向通用 GAN 图像检测

    提出了一种基于对比学习范式和有限子采样架构的 GAN 图像检测器，可以提供好的通用性和抗干扰能力，能在具有挑战性的条件下保证良好的泛化能力。

    Dec, 2021

  • 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

  • 用于大姿态人脸正视的双重注意力生成对抗网络

    本文提出了一种新的双重关注生成敌对网络（DA-GAN）来实现逼真的人脸正面效果生成，它结合了自注意力机制和面部注意力机制，使得生成的前面部分的人脸更加真实，具有更精细的面部外观和纹理信息，并在定量和定性实验中取得了良好的表现。

    Feb, 2020

  • 基于去欺骗人脸生成器的广义人脸真实性检测

    通过使用真实面孔进行改进，提出了基于异常线索的人脸防伪技术（AG-FAS）方法，使用 De-spoofing Face Generator（DFG）改善模型泛化能力，并通过交叉注意力转换器进一步改善人脸防伪特征的泛化，此方法在跨领域评估中取得了最先进的结果。

    Jan, 2024

  • FakeSpotter：用于检测 AI 合成假脸的简单且稳健的基线模型

    该论文提出了一种新方法 FakeSpotter，该方法监控神经元行为来检测由人工智能合成的假面孔，并研究了通过对抗攻击设置下的神经元覆盖和交互的测试标准。实验结果显示了该方法对最先进的 GAN 合成的四种假面孔的有效性和鲁棒性。

    Sep, 2019