Dec, 2021

利用渐进增强学习技术探测细粒度人脸伪造线索

PDF
TL;DR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。
forgery detectionfacial forgery techniquesfine-grained forgery tracesrgb imagesprogressive enhancement learning
发现论文，激发创造
  • 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

  • 单中心损失监督的面部伪造检测中的频率感知辨别特征学习

    本文提出了一种新颖的、面向频率的、区分特征学习框架，包括单中心损失和自适应频率特征生成模块，可以有效地检测和抵御面部伪造攻击。在 FF ++ 数据集上的实验结果表明了该框架的有效性和优越性。

    Mar, 2021

  • 频率思维：通过挖掘频率感知线索进行面部伪造检测

    提出了一种新颖的基于频率的人脸伪造检测网络 F3-Net，通过感知频率分解图像分量和局部频率统计信息相结合的策略深度挖掘伪造模式，能够有效应对压缩图像和视频中的人脸伪造问题。在 FaceForensics++ 数据集上，F3-Net 在所有压缩质量下均显著优于同类方法。

    Jul, 2020

  • 对比多人脸鉴定：一种用于多人脸伪造检测的端到端双粒度对比学习方法

    本文提出了一种新的端到端的框架 Contrastive Multi-FaceForensics (COMICS)，通过双粒度对比学习方法，在多脸伪造检测方面取得了显著的性能提升，并显示了与其他对手方法相比较大的潜力，适用于多种架构。

    Aug, 2023

  • 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

  • 探索基于频率对抗性攻击的人脸造假检测

    本文提出了一种基于离散余弦变换（DCT）的频率对抗攻击方法，以欺骗面部伪造检测器。通过引入融合模块来捕获对手在频率域中显着的区域，我们的方法比空间域中的现有对抗攻击更为难以察觉，并且不会降低原始图像的视觉质量。在实验中，我们发现该方法有效地欺骗了空间域和最先进的频率域检测器，并增强了面部伪造检测器之间的可靠性。

    Mar, 2022

  • 利用时间和深度信息进行多帧人脸反欺骗

    该研究提出了一种新的基于多个 RGB 帧估计深度信息的深度监督架构，用以编码面部攻击检测的时空信息，包括两个新颖的模块：光流引导特征块和卷积门循环单元模块，可以提取短期和长期运动以区分活体和欺骗面部。实验结果表明，该方法在四个基准数据集（OULU-NPU、SiW、CASIA-MFSD 和 Replay-Attack）上达到了最先进的水平。

    Nov, 2018

  • FreqBlender: 提升深度伪造检测的频率知识融合

    通过融合频率知识生成伪假面孔的新方法，提高 DeepFake 检测的泛化能力并使之成为其他方法的潜在即插即用策略。

    Apr, 2024

  • 基于精细特征的面部伪造深伪视频检测

    本文提出了一种基于显示抑制背景噪声和学习多尺度可区分特征的方法，将人脸伪造检测问题归纳为细粒度分类问题，并在不同数据集和伪造技术的实验场景中实验证明了方法的优越性。

    Oct, 2023

  • 渐进反馈增强转换器用于图像篡改定位

    我们提出了一种 Progressive FeedbACk-enhanced Transformer (ProFact) 网络，用于实现粗细图像伪造定位。该网络通过自适应反馈，将初步分支网络生成的粗定位图传递给早期 Transformer 编码层，以增强正特征的表达并抑制干扰因素。结合上下文空间金字塔模块的级联变压器网络用于改进鉴别式法庭特征，提高伪造定位的准确性和可靠性。实验结果表明，我们提出的定位器在图像伪造定位的泛化能力和稳健性方面远远超过现有技术。

    Nov, 2023