May, 2020

VideoForensicsHQ：检测高质量的经过篡改的人脸视频

PDF
TL;DR本文提出了一种新的人脸视频伪造检测数据集和检测器，通过使用空间和时间特征的组合，可以更准确地检测和识别被肉眼难以发现的视频伪造，且该方法具有更好的检测准确性和泛化能力。
face video forgery detectiondetection techniquesbenchmark datasetspatial and temporal featuresgeneralization
发现论文，激发创造
  • FaceForensics：一种用于在人脸中检测伪造的大规模视频数据集

    通过引入新的半百万级别的面部操作数据集，本文提出了对诸如经典图像取证分类、分割、以及众多优化方法进行基准测试、鉴定的处理任务，包括压缩不同质量级别下的视频，并达到超越现有所有视频操纵数据集一个数量级的状态，旨在通过根据目标制作难以区分的赝品来进行基准评估。

    Mar, 2018

  • 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

  • 野外人脸鉴定

    通过构建大规模数据集 FFIW-10K，该数据集包括了 10000 个高质量伪造视频，每个画面平均有三个人脸，再结合一个新算法，从而提升了人脸伪造检测的性能，该算法在 FFIW-10K 和现有基准测试上表现优秀。

    Mar, 2021

  • 使用基于部件检测器找到面孔伪造痕迹

    本论文提出了基于深度神经网络的人脸部分的伪造检测系统，并将其应用于多个数据集中的人工伪造视频的实证分析。

    Sep, 2021

  • 通过自监督利用真实说话人脸实现鲁棒性防伪技术

    本研究提出了一种基于真实对话视频的假脸检测技术，通过跨模态自监督学习得到时序稠密视频表示，鼓励假脸检测器基于面部运动、表情和身份等因素做出真 / 假决策，并在交叉操作泛化和鲁棒性实验中取得了最先进的表现。

    Jan, 2022

  • 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

  • 基于面部区域位移轨迹序列的人脸伪造检测

    利用基于深度学习的技术来鉴别伪造的面部操作视频，特别是针对基于强制仿射变换的面部偏移位移轨迹进行提取和多维度的神经病网络构建，其中虚拟锚点和时空图注意力和门控循环单元成功检测出现多重伪造训练数据集中的假视频，该方法表现出了竞争力。

    Dec, 2022

  • 媒体取证和 DeepFakes：概述

    本综述分析了视觉媒体完整性验证的方法，着重于探讨深度伪造现象和现代数据驱动的法医分析方法，以揭示现有取证工具的限制、相关问题、挑战和未来研究方向。

    Jan, 2020

  • 视频鉴别：利用注意力、场景上下文和法医痕迹检测视频伪造

    该研究提出了一种新的网络 VideoFACT，能够检测和定位多种视频伪造和操纵，包括那些未在训练中遇到的，并能在具有挑战性的基于人工智能的操纵上取得更强的性能表现。

    Nov, 2022

  • 探究图像篡改检测中的人为因素

    本文针对网络假冒图片的普遍存在问题，通过对自动算法与人类表现进行对比，提出了基于人类视觉难度的图片伪造检测算法。该算法将为今后更好的算法开发提供有利支持。

    Apr, 2017