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

本文综述了利用大规模公共数据库及深度学习技术（尤其是生成对抗网络）生成逼真虚假内容的技术及其在虚假新闻时代的社会影响，包括 DeepFake、面部属性操作和面部表情交换等四种类型的面部操纵技术，以及检测这些操纵方法的关键技术。同时，我们详细介绍了每种操纵类型的技术、公共数据库和关键指标，并着重介绍了最新一代的 DeepFakes 在虚假检测方面的改进和挑战。除了综述信息外，我们也讨论了该领域的未解决问题和未来趋势。

Jan, 2020

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

本文提出了一种使用 ensembles 方法来判断现代面部操作技术的视频序列的面部操作检测的解决方案，该方案使用了基于卷积神经网络的不同模型，并结合了 EfficientNetB4、注意力层和连体训练等不同概念，针对以上两个概念结合的模型，本文在两个公开数据集上测试得出了令人期待的结果。

Apr, 2020

本文设计了一个使用多任务学习方法的卷积神经网络用于同时检测和定位查询的篡改图像和视频以及使用半监督学习方法来提高网络的泛化能力，实验表明该网络对面部重现攻击和面部交换攻击很有效，并能处理以前从未见过的攻击。

Jun, 2019

本研究提出了一种用于在单张图像中检测人脸交换和其他身份欺诈的方法，采用包含面部和背景的两个网络来实现人脸识别和背景识别以检测图像中不一致的特征，这一方法提高了通常用于检测虚假图像的传统分类器的检测信号，并在 FaceForensics++，Celeb-DF-v2 和 DFDC，等面部操作检测基准测试中取得了最新的成果.

Aug, 2020

本文提出了一个新的多注意力深度伪造检测网络，该网络通过引入区域独立的损失和基于注意力的数据增强策略来解决学习难度问题，并在多个数据集上展示了该方法在检测深度伪造方面的优越性。

Mar, 2021

本研究通过深度学习和基于学习的方法，对图像篡改检测进行了深入分析，在标准数据集上评估了它们的性能；提出一种新颖的基于深度学习的预处理技术，用于强调篡改区域中的异常，通过加强篡改区域中的异常，提高了不同检测算法的性能，降低了在非篡改区域中的误检率，最后提供一个开源的篡改检测工具包。

Apr, 2023

鉴于当前人脸操作技术能够轻松生成逼真的假脸，其潜在的恶意滥用引起了广泛关注。然而，现有方法只专注于检测单步人脸操作。随着易于获取的人脸编辑应用的出现，人们能够通过多步操作来轻松修改面部组件。这一新威胁要求我们检测人脸操纵的连续序列，这对于检测深度伪造媒体和恢复原始面孔至关重要。因此，我们提出了一个新的研究问题，称为检测顺序深度伪造操纵 (Seq-DeepFake)。与现有的仅要求二元标签预测的深度伪造检测任务不同，检测 Seq-DeepFake 操纵需要正确预测一系列面部操作的顺序向量。为了支持大规模调查，我们构建了第一个 Seq-DeepFake 数据集，其中面部图像被顺序操纵，并具有相应的顺序面部操作向量注释。基于这个新数据集，我们将检测 Seq-DeepFake 操纵转化为一项特定的图像到序列的任务，并提出了简洁而有效的 Seq-DeepFake Transformer (SeqFakeFormer)。为了更好地反映真实世界的深度伪造数据分布，我们在原始 Seq-DeepFake 数据集上进一步应用了各种扰动，构建了更具挑战性的带有扰动的顺序深度伪造数据集 (Seq-DeepFake-P)。为了在面对 Seq-DeepFake-P 时更深入地挖掘图像和序列之间的相关性，我们设计了一种专用的 Seq-DeepFake Transformer with Image-Sequence Reasoning (SeqFakeFormer++)，它为更强大的 Seq-DeepFake 检测建立了图像 - 序列对之间更强的对应关系。

Sep, 2023

文章重点提出了一个名为 Seq-DeepFake 的新颖研究问题，即在检测 deepfake 媒体和恢复原始面孔之后，需要检测一系列面部操作。通过构建第一个 Seq-DeepFake 数据集，并将其作为一种特定的图像到序列任务，提出了一个简洁有效的 Seq-DeepFake Transformer 模型，并建立了全面的评估方法。实验证明了该模型的有效性。

Jul, 2022