.png){kind=icon}
返回
Patch-Discontinuity Mining for Generalized Deepfake Detection
.png){kind=icon}
PRE
AI
DOI：10.1109/TMM.2026.3651014.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
生成式人工智能的发展导致了更多样化和逼真的伪造面部图像的产生。这不仅对个人隐私构成严重威胁，还可能助长虚假信息的传播。现有的深度伪造检测方法通常利用关于伪造线索的先验知识来设计复杂模块，在领域内设置中实现了卓越性能。然而，当面对未见过的伪造模式时，其性能通常会出现显著下降。因此，开发一种使用简洁网络结构的通用深度伪造检测方法势在必行。在本文中，我们提出了一种简单而高效的框架，用于将强大的大规模视觉模型（如ViT）迁移到下游深度伪造检测任务中，即通用深度伪造检测框架（GenDF）。具体而言，我们首先提出了一种深度伪造特定表示学习（DSRL）方案，用于在低维空间中学习伪造面部图像内不同补丁之间的不连续模式以及真实对应图像中补丁之间的连续性。为了进一步缓解通用真实图像与人脸图像（包括真实和伪造）之间的分布不匹配问题，我们引入了一种特征空间再分配（FSR）方案，用于分别优化真实和伪造特征空间的分布，使模型能够学习更具差异化的表示。此外，为了增强模型在由不断发展的面部操纵技术产生的未见伪造模式以及真实面部多样性变化上的泛化性能，我们提出了一种无训练参数的分类不变特征增强（CIFAug）函数。CIFAug沿着垂直于分类方向的方向扩展真实和伪造特征空间的范围，使模型在保持判别力的同时学习更具泛化性的特征。大量实验表明，我们的方法仅使用0.28M可训练参数，就在跨域和跨操纵设置中实现了当前最优的泛化性能。
Keyword:
Deepfake detection
patch-discontinuity
class-invariant feature augmentation
期刊
IF:
9.7
论文数:
4.5K
被引数:
2.4W
机构
引用论文
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Deepfacelab: Integrated, flexible and extensible face-swapping framework.png)
PATTERN RECOGNITION
OAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏分享收藏分享收藏Exposing Deep Fakes Using Inconsistent Head Poses使用不一致的头部姿势暴露深度假货ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
PREAI
分享收藏Thinking in Patch: Towards Generalizable Forgery Detection with Patch TransformationPatch转换思维：面向通用化的伪造检测
PREAI
分享收藏Beyond the Prior Forgery Knowledge: Mining Critical Clues for General Face Forgery Detection超越先前的伪造知识: 挖掘一般人脸伪造检测的关键线索
OAAI
OAAI分享收藏
查看更多内容