Sep, 2023
基于模型内协作学习的无偏置深伪造检测
Quality-Agnostic Deepfake Detection with Intra-model Collaborative Learning
Binh M. Le, Simon S. Woo
TL;DR我们提出了一种通用的模型内协作学习框架，实现了对不同质量的 Deepfake 的有效和同时检测，称为 QAD 模型。通过观察普通误差期望的上限，通过 Hilbert-Schmidt 独立准则最大化不同质量级别的图像的中间表示之间的依赖关系。此外，我们还精心设计了对抗性权重扰动模块，使得模型在提升整体性能的同时更加稳健，能够抵抗图像的损坏。对七个流行的 Deepfake 数据集进行了大量实验证明了我们 QAD 模型超越了之前的 SOTA 基准。