该文章调查了深度伪造技术的算法及检测方法,并讨论了相关挑战、研究方向与发展趋势。
Sep, 2019
本文综述了利用大规模公共数据库及深度学习技术(尤其是生成对抗网络)生成逼真虚假内容的技术及其在虚假新闻时代的社会影响,包括 DeepFake、面部属性操作和面部表情交换等四种类型的面部操纵技术,以及检测这些操纵方法的关键技术。同时,我们详细介绍了每种操纵类型的技术、公共数据库和关键指标,并着重介绍了最新一代的 DeepFakes 在虚假检测方面的改进和挑战。除了综述信息外,我们也讨论了该领域的未解决问题和未来趋势。
Jan, 2020
在这篇论文中,我们调查了超过318篇研究论文,从DeepFake生成、检测以及逃避检测等方面,提供了全面的概述和详细分析,包括各种DeepFake生成方法和各种DeepFake检测方法的分类,同时展示了DeepFake生成和DeepFake检测之间的交互作用,并设计了交互式图表以探索研究人员自己在流行的DeepFake生成器或检测器上的兴趣。
Feb, 2021
本文简要介绍了图像处理、深度伪造技术以及用于检测这些技术的方法和数据集。
May, 2022
这篇文章旨在综述目前使用深度学习算法来应对社交媒体上深度伪造威胁的深度伪造检测模型,详细讨论了这些模型的优点、局限性和未来发展方向。
Jul, 2022
通过综述现有的deepfake生成和检测技术,本文分析了基于深度学习的deepfake创建方法和检测技术,并讨论了当前的deepfake检测方法的局限性和挑战,以及未来的研究方向,强调了对deepfake检测技术持续研究和发展的重要性,以应对deepfake对社会的负面影响,并确保数字视觉媒体的完整性。
Sep, 2023
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
DeepFidelity和SSAAFormer是一种新的深度伪造检测框架和网络结构,能够自适应地区分具有不同图像质量的真实和伪造人脸图像,并在多个基准数据集上展现出优势。
Dec, 2023
通过对深度伪造检测方法的综述研究,本论文提供了面向人脸为中心的深度伪造技术的分类、检测方法的演化以及适应新的生成模型的挑战,并探索了提高深度伪造检测器的可靠性和稳健性的方向。
Jun, 2024
这篇综述论文讨论了Deepfake技术的方法和应用,包括面部操纵、深度学习、伪造检测技术和虚假图像的识别。