.png){kind=icon}
返回
Deepfake Detection Model Combining Texture Differences and Frequency Domain Information
.png){kind=icon}
OA
AI
DOI：10.1145/3706636.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，由深度伪造技术引发的公共安全事件在全球范围内频繁发生，这使得高效且准确的深度伪造检测模型变得至关重要。现有的先进方法通过训练复杂的神经网络模型，利用图像中的篡改特征来实现真实与伪造图像的二分类。然而，这些模型依赖于单一的篡改特征，当训练数据集和验证数据集的伪造技术或图像质量不同时，这些方法的检测准确率将大幅降低。受现有工作的启发，我们提出了一种双流协同学习框架，该框架结合了空间纹理差异和频率信息。设计平均差异卷积（ADC）以提取图像的空间纹理差异信息，并使用灰度图像频率感知分解（GFAD）在频域中提取图像的伪影信息。同时，结合ViT思想和交叉注意力机制进行特征融合，以全面挖掘伪造图像中的伪造特征。实验结果表明，所提出的模型在三个基准数据集上具有良好的检测效果。在跨数据集评估方面，Celeb-DF数据集上的AUC达到82.86%，优于现有的先进方法。
Keyword:
Texture difference
average difference convolution
frequency domain information
cross-attention
deepfake detection
期刊
A
IF:
2.8
论文数:
293
被引数:
770
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容