• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索
检测方法特点适用场景实验数据集检测性能模型主干网络
Exploiting Visual Artifact[92] 通过提取牙齿，眼睛及
脸部轮廓等特征进行伪
造检测		 使用Deepfakes方法和face2face方法生成的深度伪造视频 FaceForensics 0.866（AUC） 逻辑回归、多层感知机
FDFL[95] 使用频域特征，优化难
度小		 检测面部替换，面部重现等伪造图片和视频 FaceForensics++[12] 0.994（ACC）0.997（AUC） CNN
Generalizing Face Forgery Detection[96] 利用图像的高频噪声，泛化能力较强 针对未知伪造方法生成图像的检测，需要高泛化性检测方法的场景 FaceForensics++[12] 0.994（AUC） CNN、注意力机制
Face x-ray[99] 较高的泛化性 需要高泛化性检测方法的场景 FaceForensics++[12]，DFDC[148]，celebDF[149] 0.985（AUC，FF++），0.806（泛化AUC，celebDF），0.809（泛化AUC，DFDC） CNN
LRNet[106] 通过帧间时序特征识别伪造视频，同时有较强的鲁棒性 针对存在压缩和破损等情况的深度伪造视频检测 FaceForensics++[12] celebDF[149] 0.957（AUC，FF++，c40压缩）0.554（AUC，celebDF，c40压缩） CNN+RNN
Exposing Inconsistent Head Poses[110] 通过检测人物头部姿态判断是否为伪造视频 深度伪造视频检测 自建数据集 0.974（AUC） SVM
F3-Net[116] 基于频域特征的深度伪造检测 被压缩的伪造视频检测 FaceForensics++[12] 0.958（AUC） CNN
Two-branch Recurrent Network[117] 融合了RGB域信息和频域的高频信息 深度伪造视频检测 FaceForensics++[12]，DFDC[148]，celebDF[149] 0.987（AUC，单帧），0.991（AUC，视频） CNN+LSTM
Id-reveal[122] 通过比对待测视频和参考视频中人脸身份信息判断伪造 拥有指定人物参考视频的深度伪造视频检测 DFD[150] 0.86（AUC） CNN
Emotions Don’t Lie[127] 通过提取多模态情感信息之间的差异来检测伪造 带有音频的深度伪造视频检测 DF-TIMIT[151]，DFDC[148] 0.844（AUC，DFDC） CNN
Fakespotter[131] 通过神经网络可解释性方法检测伪造视频 针对GAN等生成模型的深度伪造检测 Celeb-DF v2[152] 0.668（AUC） 深度人脸识别模型
On the Detection of Digital Face Manipulation [132] 基于注意力机制的深度伪造检测 需要可视化伪造区域的检测场景 自建数据集 0.997（AUC） CNN、注意力机制
FReTal[137] 通过知识蒸馏和迁移学习，解决针对新出现的伪造方法的检测 适用于检测较新的伪造生成方法 FaceForensics++[12] 0.925（泛化AUC） CNN
Multi-attentional deepfake detection[140] 聚合高维的语义信息和低维的纹理信息 图像和视频深度伪造检测 FaceForensics++[12]，DFDC[148]，celebDF[149] 0.993（AUC，FF++） CNN、注意力机制
CviT[145] 引入视觉transformer检测深度伪造 图像和视频深度伪造检测 FaceForensics++[12]，DFDC[148] 0.915（ACC，DFDC） CNN+视觉transformer
下载: 导出CSV

图像和视频伪造检测方法总结

 
2023, 60(6): 1396-1416.
多模态深度伪造及检测技术综述 .

本文全文图片

邮件订阅 RSS
微信订阅号<br/>（实时资讯）

微信订阅号
（实时资讯）

微信服务号<br/>（同步网站）

微信服务号
（同步网站）

微信视频号<br/>（视频分享）

微信视频号
（视频分享）

CCF<br/>（扫码入会）

CCF
（扫码入会）

版权所有 © 《计算机研究与发展》编辑部

本系统由北京仁和汇智信息技术有限公司开发  百度统计