.png){kind=icon}
返回
WAFF: A Synergetic Face Forgery Video Detection Method via Weakly Supervised EfficientNet
.png){kind=icon}
OA
AI
DOI：10.3390/jimaging12060240.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
深度伪造检测已成为确保数字媒体真实性和安全性的关键任务。尽管近期方法取得了显著进展，但大多数现有检测器在应对未见伪造技术时仍表现出有限的泛化能力，且易受压缩、噪声和对抗攻击等常见干扰的影响。为解决这些问题，我们提出了弱监督EfficientNet增强型面部伪造检测器（WAFF），一种将精细帧级分析与自适应视频级融合相结合的新型框架。具体而言，WAFF集成了基于EfficientNet-B3骨干网络的WSEffiNet，并通过弱监督数据增强网络（WS-DAN）进行增强。该设计生成注意力图以强调细微的面部伪造痕迹，同时促进互补的局部-全局特征学习。在视频层面，WAFF采用多策略融合方案，结合伪造帧计数、置信度平均和注意力引导投票，以平衡敏感性与稳定性。在FaceForensics++、Celeb-DF v2、DFD、DFDC和FFIW-10K等数据集上的广泛实验表明，WAFF在高低质量压缩条件下均能达到最先进性能，同时提升跨数据集泛化能力。
Keyword:
deepfake detection
face forgery
weakly supervised attention
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
J
IF:
3.3
论文数:
1.1K
被引数:
4.4K
机构
引用论文
分享收藏Video Detection Method Based on Temporal and Spatial Foundations for Accurate Verification of Authenticity基于时空基础的用于准确验证真实性的视频检测方法.png)
Electronics
OAAI
ElectronicsIF0
OAAI分享收藏A Comprehensive Review of Deepfake Detection Techniques: From Traditional Machine Learning to Advanced Deep Learning Architectures《深度伪造检测技术的全面综述：从传统机器学习到先进深度学习架构》AIOAAI
AIIF5
OAAI分享收藏分享收藏分享收藏分享收藏Deepfake detection using deep learning methods: A systematic and comprehensive review使用深度学习方法的Deepfake检测: 系统和全面的综述OAAI
OAAI分享收藏
查看更多内容