Exploring the Impact of Moire Pattern on Deepfake Detectors

深度伪造检测对于缓解由操纵视频带来的社会威胁至关重要。虽然已经开发出了各种算法来实现这一目的，但是当检测器在外部运行时（例如在智能手机上），用户拍摄深度伪造图像并上传到互联网时，就会出现挑战。在这种情况下，存在Moiré图案是一个重要的挑战，它会降低图像质量并使传统分类算法（包括深度神经网络）变得困难。Moiré图案对于深度伪造检测器的影响仍然没有得到充分的探究。在这项研究中，我们调查了从数字屏幕捕获的相机深度伪造视频对检测器性能的影响。我们使用了两个著名的数据集CelebDF和FF ++，比较了四种最先进的检测器在带有Moiré图案的相机捕获的深度伪造视频上的性能。我们的发现显示，检测器的准确性显著下降，平均值没有达到68％。这凸显了在现实世界的深度伪造检测场景中解决Moiré图案挑战的迫切需要。

本文旨在解决深度伪造视频检测中摩尔纹图案的挑战，该挑战会降低检测器的准确性。

本文通过实验研究了从数字屏幕捕获的深度伪造视频对检测器性能的影响，并发现引入摩尔纹图案会显著降低检测器的准确性。需要解决摩尔纹图案在实际深度伪造检测场景中的挑战。

本文使用了CelebDF和FF++两个数据集，比较了四种最先进的检测器在引入摩尔纹图案的摄像头捕获的深度伪造视频上的性能。实验结果表明，检测器的准确性显著下降，没有一种检测器能够达到平均以上的68％。这表明需要解决实际深度伪造检测场景中的摩尔纹图案挑战。

在最近的相关研究中，还有一些关于深度伪造检测的研究，例如：Detecting Deepfake Videos with Capsule Networks、A Survey of Deepfake Detection Techniques、DeepFake Detection Using Recurrent Neural Networks、Deep Learning for Deepfakes Creation and Detection等。