.png){kind=icon}
返回
Spatially-Aware Framework for Sequential Deepfake Detection
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-3729-7_18.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着人脸编辑技术的快速发展，多步连续人脸篡改的深度伪造检测已成为计算机视觉和视觉安全领域的关键研究方向。当前最先进的检测方法通常依赖传统的卷积神经网络（CNN）特征提取器，这些方法难以捕捉精细的局部篡改痕迹，从而限制了其在复杂、连续伪造场景中的检测性能。为解决此挑战，本文提出了一种基于坐标的多尺度策略MSCP-SeqFakeFormer。通过在CNN特征提取和Transformer编码器之间引入坐标定位，该方法利用多尺度与感受野有效增强与面部伪造相关的局部细节特征。这种增强显著提升了模型识别篡改类型及其序列的能力。在公开的Seq-DeepFake数据集上的实验结果表明，所提方法在固定长度（FixedAcc）和自适应长度（Adaptive-Acc）两种评估指标上均优于基线模型，并在人脸图像恢复任务中也取得了更优性能。
Keyword:
Deepfake Detection
Multi-step Forgery
Feature Enhancement
Seq-DeepFake Dataset
期刊
I
IF:
0
论文数:
33
被引数:
0
机构
引用论文
.png){kind=icon}
A multi-label classification method based on transformer for deepfake detection一种基于transformer的deepfake检测多标签分类方法
PREAI
分享收藏
查看更多内容