.png){kind=icon}
返回
Style-Texture Collaborative Learning for Face Forgery Detection
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-5628-1_12.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人脸伪造检测（FFD）领域已引起科学界的高度关注。值得注意的是，伪造图像通常在风格变化（如背景光照、颜色亮度）和不自然纹理（如边缘视觉伪影）方面存在细微不一致，这对于识别细微篡改至关重要。因此，我们将伪造图像划分为纹理和背景风格两种视图，并提出了一种面向人脸伪造检测的风格-纹理协同学习（STCL）方法，通过联合考虑输入图像中纹理和风格的不一致性来增强细微篡改线索。具体而言，我们应用一组风格-纹理编辑器分别挖掘风格和纹理信息。随后，引入风格-纹理关系建模机制，从整体视觉上连接两种视图间的相关性。最后，提出一种多分支序列分析模块，通过多层序列块逐级积累篡改变化，并阶梯式扫描更大区域以发现具有相似特征的新区域。在三个广泛认可的基准数据集上进行的大量实验评估表明，与当前最先进的方法相比，我们提出的方法具有显著有效性。
Keyword:
Face forgery detection
style-texture
collaborative learning
期刊
P
IF:
0
论文数:
32
被引数:
0
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
.png){kind=icon}
PREAI
分享收藏
分享收藏
查看更多内容