揭示更多用于深度伪造检测的伪造线索

文章预览

文章介绍了一种基于信息瓶颈理论的深度伪造(Deepfake)检测新框架，旨在捕捉更广泛的伪造线索。该方法通过提取多个不重叠的局部表示，并将其融合成一个全局的语义丰富特征。为了确保局部特征的独立性同时保留与任务相关的信息，作者推导出了局部信息损失。此外，作者还进一步分析了全局信息目标，以整合局部特征为一个充分且纯净的全局表示用于分类。实验结果表明，该方法在五个基准数据集上取得了最先进的同数据集及跨数据集性能，显示了其作为各种实际场景中可靠深度伪造检测解决方案的潜力。 1 深度伪造视频检测 深度伪造视频检测中对五种广泛使用的基准数据集进行了大量的实验，评估方法的有效性。这些数据集包括FaceForensics++、两个版本的Celeb-DF以及两个版本的DFDC。并进行了消融研究，评估方法中每个关键组件的效果。下图 ………………………………