野生深假:一种具有挑战性的真假检测数据集

作者: | Bojia Zi | Minghao Chang | Jingjing Chen | Xingjun Ma | Yu-Gang Jiang |

摘要:近年来,一种名为“深假深假”的面部互换技术的滥用引起了公众的极大关注。到目前为止,大量的深假视频(被称为“深海假象”)已经被制作并上传到互联网上,要求采取有效的对策。一个很有前途的对策是深假检测。已经发布了几个深假数据集,以支持训练和测试深假检测器,如Deepfake侦测和FaceForensics++。虽然这大大提高了深假检测,但这些数据集中的大多数真实视频都是由少数志愿者在有限的场景中拍摄的,而假视频是由研究人员使用一些流行的深假软件制作的。在这些数据集上开发的探测器对互联网上的真实世界的深造可能会变得不那么有效。为了更好地支持对真实世界深度假图像的检测,本文提出了一种新的数据集WildDeepfalse,该数据集由707个完全从互联网上采集的深假视频中提取的7314个人脸序列组成。WildDeepfalse是一个小的数据集,除了现有的数据集外,还可以用来开发和测试深海探测器对真实世界的深海假象的有效性。我们在现有的和我们的WildDeepfalse数据集上对一组基线检测网络进行了系统的评估,结果表明WildDeepfalse确实是一个更具挑战性的数据集,其检测性能可能会急剧下降。我们还提出了两项建议。(2D和3D)基于注意力的深假检测网络(ADDNets)利用真实/假人脸上的注意面具来改进检测。我们实证地验证了ADDNet在现有数据集和WildDeepfalse上的有效性。数据集是可用的at:https://github.com/deepfakeinthewild/deepfake-in-the-wild.。

论文地址

https://arxiv.org/abs/2101.01456v1

下载地址

https://arxiv.org/pdf/2101.01456v1.pdf

全部源码

https://github.com/deepfakeinthewild/deepfake-in-the-wild 类型: tensorflow

深度假人脸互换

相关推荐

暂无评论

微信扫一扫,分享到朋友圈

野生深假:一种具有挑战性的真假检测数据集