Aug, 2023

法医森林家族：一系列多尺度分级级联森林用于检测生成的 GAN 人脸

PDF
TL;DR该研究提出了一种基于森林模型的新方法集，称为 “ForensicsForest Family”，用于检测 GAN 生成的面部图像。这种方法通过层级串联不同级别的特征进行真实性预测，并使用多尺度集成方案来综合考虑不同级别的信息，提高检测性能。
generative modelsgan-generated facesforest modelsforensicsforest familyconvolutional neural networks
发现论文，激发创造
  • GAN 图像取证的泛化研究

    本文研究使用预处理图像训练一种法医卷积神经网络模型，以提高对生成对抗网络图像的泛化能力，并证明所提出的方法的有效性。

    Feb, 2019

  • 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

  • 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

  • 用于检测视频中深度伪造的双分支循环网络

    本文提出了一种基于两分支网络结构的深度伪造检测方法，利用高斯拉普拉斯算子压缩自然面部变异性，推开特征空间中不真实的面部样本以更好地隔离数字操纵面孔，并在 FaceForensics ++、Celeb-DF 和 Facebook 的 DFDC 预览基准测试中实现良好的视频级性能。

    Aug, 2020

  • 多尺度级联全卷积网络人脸检测器

    本研究提出一种基于全卷积神经网络的三级级联结构，采用多尺度全卷积网络生成得分图，使用可能区域而非建议直接连接下一级级联，通过使用得分图可以在公共数据集上获得强大的人脸检测性能。

    Sep, 2016

  • OpenForensics 大规模人脸伪造检测与野外分割数据集

    本文针对社交媒体中伪造脸部的困扰，进行了综合研究，首次创建了一个大规模数据集 OpenForensics，并利用其丰富注释，评估了各种情景下的最新实例检测和分割方法的效果，以推动深度伪造的预防和人脸检测等方面的研究。

    Jul, 2021

  • 通过分析卷积痕迹进行 DeepFake 检测

    该研究旨在针对利用深度学习工具生成人脸的 Deepfake 现象，提出新的检测方法。提出的该算法基于期望最大化算法，提取了一组特定的局部特征来建模卷积生成过程，经实验验证有效地区分了不同的架构和相应的生成过程。

    Apr, 2020

  • 一种基于卷积神经网络的相机模型识别反取证方法

    本文研究了通过对抗性的样本对基于卷积神经网络的相机模型检测器进行欺骗的反取证方法，并展示了即使用针对图像分析和获取相机模型信息的先进深度学习架构，也存在一定漏洞。

    May, 2018

  • 基于 DAG-CNN 的多尺度识别

    使用 DAG-CNN 的多尺度卷积神经网络探索了多尺度特征提取，并在三个场景基准测试中展现了最新的最佳分类性能。

    May, 2015

  • 分布式深度森林及其在自动检测提现欺诈中的应用

    本研究基于原始 deep forest 模型，引入 MART 基础学习者，成本方法，MART 特征选择和不同评价指标等模型改进，开发出可用于极大规模任务的分布式 deep forest 模型，检测到超过 1 亿个训练样本的现金提款欺诈，实验结果表明该模型具有最佳性能，可以阻止每天大量的欺诈交易和显著降低经济损失。

    May, 2018