标题：Improving the Efficiency and Robustness of Deepfakes Detection through Precise Geometric Features（通过精确的几何特征提高Deepfakes检测的效率和稳健性） 作者：Zekun Sun,Yujie Han,Zeyu Hua,Na Ruan,Weijia Jia 机构：上交大、北师 简介：Deepfakes 是恶意技术的一个分支，将目标面移植到视频中的原始技术，导致严重问题，如侵犯版权、信息混乱，甚至公众恐慌。之前的 Deepfakes 视频检测工作主要侧重于外观功能，这些功能有被复杂操作绕过的风险，也导致模型复杂性和对噪音的敏感性。此外，如何挖掘纵视频的时间特征并加以利用仍然是一个悬而未决的问题。我们提出了一个高效而强大的框架，名为LRNet，用于通过精确几何特征的时空建模来检测 Deepfakes 视频。设计了一种新型校准模块，以提高几何特征的精度，使其更具辨别性，并构建了双流循环神经网络，以充分利用时间特征。与以前的方法相比，我们建议的方法模型更轻，训练更方便。此外，我们的方法在检测高度压缩或噪声损坏的视频方面表现出了稳健性。我们的模型在FaceForensics++数据集上实现了0.999的AUC。同时，当面对高度压缩的视频时，它的表现（-0.042 AUC）有一个优雅的下降。 论文地址：https://arxiv.org/pdf/2104.04480.pdf

内容中包含的图片若涉及版权问题，请及时与我们联系删除