科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着人工智能和深度神经网络的不断发展，图像生成与编辑变得越来越容易，恶意运用图像生成工具进行篡改伪造的现象层出不穷，这对多媒体安全以及社会稳定造成了极大威胁，因此研究伪造人脸的检测方法至关重要。人脸篡改伪造的方式和工具多种多样，在篡改的过程中可能留下不同程度的篡改痕迹，而这在图像噪声中都有一定程度上的反映。从图像噪声的角度出发，通过噪声去除的方式挖掘反映伪造人脸篡改痕迹的噪声成分，进一步生成噪声注意力，指导主干网络进行伪造人脸检测。使用SRM滤波监督噪声去除模块的训练，并将噪声去除模块所得到的噪声再次加入真实人脸图像中，形成一对有监督的训练样本，通过自监督的方式对噪声去除模块进行加强指导，实验结果说明噪声去除模块得到的噪声特征具有较好的区分度。在多个公开数据集上进行了实验，所提方法在Celeb-DF数据集上达到98.32%的准确率，在FaceForensics++数据集上达到94%以上的准确率，在DFDC数据集上达到92.61%的准确率，证明了所提方法的有效性。
- 单位
