AAAIMay, 2021

人脸伪造检测中的局部关系学习

PDF
TL;DR本文提出了一种通过局部关系学习来检测面部伪造的新方法，其中使用了多尺度补丁相似性模块 (MPSM) 来测量局部区域特征的相似性，并形成了一个强大且泛化的相似性模式。此外，本文提出了 RGB-Frequency Attention Module (RFAM) 来融合 RGB 和频率领域的信息进行更全面的局部特征表示，进一步提高了相似性模式的可靠性。广泛的实验证明了该方法在广泛使用的基准测试中始终优于最先进的技术。此外，详细的可视化展示了我们方法的鲁棒性和可解释性。
face forgery detectionlocal relation learningmulti-scale patch similarity modulergb-frequency attention moduledigital media forensics
发现论文，激发创造
  • 利用面部关系与特征聚合进行多人脸伪造检测

    本研究提出了一个新的框架，专门针对多脸伪造检测，填补了当前研究中的重要空白。该框架主要包括两个模块：（一）面部关系学习模块，为图像中的每个面生成可区分的局部特征；（二）全局特征聚合模块，利用全局和局部信息之间的相互约束来提高伪造检测的准确性。我们在两个公开的多脸伪造数据集上的实验结果表明，所提出的方法在多脸伪造检测场景中达到了最先进的性能。

    Oct, 2023

  • 面部微表情伪造检测与分割的协同特征学习

    本文提出了一种基于协同特征学习的方法，用于同时检测图像篡改和分割篡改组件，此方法可以更好地捕捉人脸区域的人工痕迹，并且在检测和分割方面均优于现有方法。

    Apr, 2023

  • 学习通用人脸伪造检测的二阶局部异常

    本文提出了一种基于 CNN 的人脸伪造检测的新方法，使用局部区域的二阶异常 learning module 和局部增强模块来改进算法的泛化能力，提高检测真实与伪造特征的区分度，并引入可学习高通滤波器的 ASRM 来挖掘微妙的噪声特征。实验结果表明，在无需使用像素级注释或外部合成数据的情况下，该方法可与其他最先进的工作相媲美。

    Sep, 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

  • 利用高频特征进行人脸伪造检测的泛化

    这篇论文提出了一种基于 CNN 的人脸伪造检测方法，利用高频噪声、多尺度特征提取、残差 - 引导空间注意力和跨模态注意力等功能模块提高了交叉数据集下的检测性能。

    Mar, 2021

  • 用取证相似度图形揭示伪造图像

    本文提出了基于图的社区检测方法来检测和定位图像伪造，通过 Forensic Similarity Graph 表示图像，利用社区结构来定位伪造部分，并通过实验证明了该方法的优越性。

    Dec, 2019

  • 人脸篡改检测和定位的多光谱类别中心网络

    本研究重建了 FaceForensics ++ 数据集，引入像素级别的注释，并提出了一种新的多光谱中心分类网络（MSCCNet）来检测和定位面部操纵。

    May, 2023

  • 区域感知人脸交换

    本文提出了一种新颖的区域感知脸部交换（RAFSwap）网络，以局部 - 全局方式实现一致性、和谐性和高分辨率的面部生成。

    Mar, 2022

  • 关注一致性改进的蒙面频率造假特征表示以实现人脸伪造检测的普适性

    通过提出一种新的注意一致性加工频伪造表示模型以实现人脸伪造检测算法的泛化能力，本文在多个公共人脸伪造数据集上的实验证明了该方法相对于现有技术的卓越性能。

    Jul, 2023

  • 利用渐进增强学习技术探测细粒度人脸伪造线索

    使用面部假冒技术制造的可信度问题日益增加，提出了一种利用 RGB 和粒度细微频率提示的渐进增强学习框架来解决这个问题，实验结果表明，该方法优于现有的面部伪造检测方法。

    Dec, 2021