.png){kind=icon}
返回
Convolutional neural network framework for deepfake detection: A diffusion-based approach
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cviu.2025.104375.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在快速发展的合成媒体领域，DeepFakes作为一种强大的虚假信息和操纵工具应运而生。然而，工程挑战在于检测此类内容以确保信息完整性。近期人工智能在DeepFake检测方面的贡献主要集中在复杂的卷积神经网络模型上，这些模型从面部生物特征中获取见解，包括多注意力机制、多视角机制、成对/孪生网络、知识蒸馏学习技术和面部几何学方法。在本工作中，我们提出了一种新的基于扩散的神经网络方法，而非直接分析DeepFake图像的不一致性。受扩散过程揭示异常特性的启发，我们利用DeepFake图像的固有结构进行扩散，寻求此过程中的模式。具体而言，所提出的扩散网络会迭代地向输入图像添加噪声，直至其几乎变成纯噪声。随后，卷积神经网络从扩散过程的最终扩散状态以及所有中间状态中提取特征。全面的实验分析证明了所提模型的有效性和适应性，验证了其对抗各类DeepFake检测模型的鲁棒性，成为DeepFake检测领域有前景的人工智能工具。
Keyword:
Computer Vision
Deep Learning
Convolutional neural networks
Image classification
Deepfake detection
期刊
IF:
3.5
论文数:
538
被引数:
7.3K
机构
引用论文
On the choice of the parameters for anisotropic diffusion in image processing.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容