0%

Identity-Driven DeepFake Detection

主要动机:现有的伪造人脸检测方法都是伪造痕迹驱动的,其在未知伪造方法合成的数据上效果大幅下降,且对压缩、噪声等鲁棒性不够。因此,论文提出一种新的鉴伪思路,即有目标对象的参考图像的情景。

核心贡献:1)提出有目标对象的参考图像的鉴伪场景;2)构建一个百万级别的数据集 Vox-Deepfake;2) 设计了一个基于人脸比对的基线方法 OuterFace。

Vox-DeepFake

使用了 DeepFake, FSGAN 和 FaceShifter 三种伪造方法,构建了一个百万级别的换脸数据集。

OuterFace

采用人脸比对的方法,改进就是把五官区域遮挡起来,让模型关注头部区域的其他特征。

My Review

  • 论文只考虑换脸这一种伪造类型,不知表情重演能不能适用?
  • 该方法可以用来保护特定人物以防御换脸攻击,对于不能获取参考对象则失去效用。
  • 在之前的换脸数据集上比较具体方法没有细讲,它们的背景差异较大,比较容易识别,不知比较是否公平?
  • 方法的泛化性和鲁棒性相当不错,虽然使用场景受限,也是可以跟进的研究点。

References

  • [2020-12] Identity-Driven DeepFake Detection paper