FWA:Exposing Deepfake videos by detecting face warping artifacts [CVPRW2019]
切入点:假脸替换到目标人脸的仿射变换过程中会产生伪影(被替换人脸部位与周围部位分辨率不一致)
亮点:不是直接使用Deepfake视频作为负样本训练,而是通过模拟分辨率不一致性简化训练过程
Mesnoet:a compact facial video forgery detection network
基于图像噪声的微观分析不能应用于图像噪声被强降噪的压缩视频环境中。同样,在更高的语义水平上,特别是当图像描绘的是人脸时,人眼很难分辨出伪造的图像。因此作者建议采用一种中间方法,使用具有少量层的深层神经网络.
Capsuleforensics: Using capsule networks to detect forged images andvideos [ICASSP 2019]
胶囊网络。网络参数较低。检测打印图像或录制视频的重放攻击,或GAN生成的假视频。
LRNet:Improving the Efficiency and Robustness of Deepfakes Detection through Precise Geometric Features [CVPRW2021]
切入点:提取精确的几何特征进行时间建模来检测Deepfake视频。具体为,先抽取人脸关键点,针对现有方法抽取人脸关键点精确率不高的问题,提出校准模块,利用光流预测下一帧的关键点位置后,和下一帧抽取的关键点用Kalman filter做融合,最后把校准后的关键点