目的 随着深度伪造技术的快速发展,人脸伪造图像越来越难以鉴别,对人们的日常生活和社会稳定造成了潜在的安全威胁.尽管当前很多方法在域内测试中取得了令人满意的性能表现,但在检测未知伪造类型时效果不佳.鉴于伪造人脸图像的伪造区域和非伪造区域具有不一致的源域特征,提出一种基于多级特征全局一致性的人脸深度伪造检测方法.方法 使用人脸结构破除模块加强模型对局部细节和轻微异常信息的关注.采用多级特征融合模块使主干网络不同层级的特征进行交互学习,充分挖掘每个层级特征蕴含的伪造信息.使用全局一致性模块引导模型更好地提取伪造区域的特征表示,最终实现对人脸图像的精确分类.结果 在两个数据集上进行实验.在域内实验中,本文方法的各项指标均优于目前先进的检测方法,在高质量和低质量FaceForensics++数据集上,AUC(area under the curve)分别达到99.02％和90.06％.在泛化实验中,本文的多项评价指标相比目前主流的伪造检测方法均占优.此外,消融实验进一步验证了模型的每个模块的有效性.结论 本文方法可以较准确地对深度伪造人脸进行检测,具有优越的泛化性能,能够作为应对当前人脸伪造威胁的一种有效检测手段.
Multi-level features global consistency for human facial deepfake detection
NETL
NSTL
万方数据
维普
