Sep, 2022

学习通用人脸伪造检测的二阶局部异常

PDF
TL;DR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。
face forgerycnnanomaly detectionlocal enhancementasrm
发现论文，激发创造
  • 人脸伪造检测中的局部关系学习

    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。

    May, 2021

  • 深度局部特征学习在人脸防欺骗检测中的应用

    本文使用卷积神经网络（CNN）中的局部特征来提高面部欺骗检测的性能，并且在整个面部图像上进行预训练，使 CNN 可以学习不同的本地欺骗线索，从而改进了性能并提高了最终模型的收敛速度。

    Jun, 2018

  • 局部观察全局推断：一种通用的面部防伪方法

    该研究提出了一种基于自监督区域全卷积网络（SSR-FCN）的人脸反欺诈框架，通过自监督方式学习面部图像的局部判别性线索，从而提高了泛化性能，同时保持了整体人脸反欺诈方法的计算效率，具有可解释性，本方法在未知攻击下所达到的 TDR=65%@2.0% FDR，表现出色。

    Jun, 2020

  • 面部代表性伪造挖掘用于伪造人脸检测

    本论文提出一种基于注意力机制的数据增广框架，用于改善卷积神经网络在伪造人脸检测中关注面部有限区域的现象，通过跟踪和遮蔽 Top-N 敏感面部区域，鼓励检测器深入挖掘以前忽略的区域，从而达到指出不同操纵技术生成的伪造面孔的表现最好的检测器训练效果，同时我们的方法能够轻松集成到各种 CNN 模型中。

    Apr, 2021

  • 工业视觉中全面在线无监督异常检测和定位

    本文介绍了一种名为 LeMO 的全在线学习图像异常检测方法，它利用可学习的记忆初始化学习，并设计了一种基于对比学习的损失函数，极大地提高了在线图像异常检测性能。在离线情况下，LeMO 也能达到与当前最先进方法相当的性能。

    May, 2023

  • 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

  • 通用人脸防欺骗的深度异常检测

    本文提出了一种新颖的基于深度度量学习技术的面部异常检测架构，通过引入新的损失函数 “度量 softmax”，引导学习过程中的特征向更加具有区分性的表示；同时，通过 few-shot 方法进行后验概率估计，无需训练分类器即可验证结果；实验结果表明，该方法在面部 Presentation Attack Detection 领域取得了显著的性能优势。

    Apr, 2019

  • 积极回避检测：反法医学抗伪造定位

    通过自监督学习和对抗训练的结合，SEAR 成功欺骗了最先进的伪造定位方法，并解决了传统对抗攻击方法所提到的三个缺陷。

    Oct, 2023

  • 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

  • 基于低层特征的激活图在线细化方法用于弱监督物体定位

    该论文提出了一个两阶段的学习框架来实现弱监督物体定位，通过低层次特征激活图实现物体的定位，并且使用加权熵损失，关注擦除和区域损失来减少激活的不确定性，该方法在 CUB-200-2011 和 ImageNet-1K 数据集上表现优秀，成为 WSOL 方面最新的国际领先方法。

    Oct, 2021