一、研究背景
1、现有的人脸伪造检测模型大多只检测空间伪影或时间伪影。
2、普通的时空模型容易只依赖于其中一种伪影。
3、现有数据增强手段集中于图片层面。
二、研究动机
1、空间伪影检测和时间伪影检测同样重要。
2、空间伪影比时间不协调性更明显,因此网络倾向于学习简单的空间伪影,使得模型不能依据所有伪影特征做分类,削弱了模型的泛化能力。
3、视频级数据增强有助于提升模型泛化能力。
三、研究目标
使模型具备同时检测空间伪影和时间伪影的能力。
四、技术路线
提出AltFreezing模型增强伪造检测的泛化性。
1、将网络权重分为空间相关和时间相关两组。在训练过程中交替冻结两组权重,使模型能够学习空间特征和时间特征。
3、引入视频级数据增强方法,以提高模型的泛化能力。
五、实验结果