.png){kind=icon}
返回
Leveraging Pixel Difference Feature for Deepfake Detection
.png){kind=icon}
PRE
AI
DOI：10.1109/TETCI.2025.3548803.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
深度伪造技术的兴起对司法证据的可信度和知识产权保护构成了严峻威胁。现有方法缺乏将面部特征纹理信息整合到卷积神经网络（CNN）的能力，尽管伪造内容在像素级别上细微。由于固定网格核结构，CNN在描述详细细粒度信息方面能力有限，使得通过像素级细粒度特征实现精确图像检测具有挑战性。为缓解此问题，我们提出了一种像素差异卷积（PDC），通过聚合强度和梯度信息来捕捉局部内在的详细模式。为避免PDC产生的冗余特征计算并显式增强标准卷积核的表示能力，我们将PDC分离为垂直/水平和对角部分。此外，我们提出了集成空洞卷积（EDC）以探索长距离上下文依赖关系并进一步提升性能。我们引入了一种新型网络——像素差异卷积网络（PDCNet），该网络由PDC和EDC构建，通过捕捉肖像图像中隐藏的细微篡改痕迹来揭露深度伪造。通过在信息传播过程中利用PDC和EDC，PDCNet无缝整合了局部和全局像素差异。我们在三个数据库（FF++、Celeb-DF和DFDC）上进行了全面实验，证实我们的PDCNet优于现有方法。我们的方法在FF++、Celeb-DF和DFDC上分别取得了0.9634、0.9614和0.8819的准确率。
Keyword:
Deepfake detection
pixel difference feature
ensemble dilated convolution
期刊
I
IF:
6.5
论文数:
1.4K
被引数:
4.5K
机构
引用论文
.png){kind=icon}
FakeCatcher: Detection of Synthetic Portrait Videos using Biological SignalsFakeCatcher: 使用生物信号检测合成肖像视频
OAAI
OAAI分享收藏In Ictu Oculi: Exposing AI Created Fake Videos by Detecting Eye Blinking在Ictu Oculi中: 通过检测眨眼来暴露AI创建的假视频
PREAI
分享收藏
查看更多内容