一、研究背景
1、Deepfake detection领域缺乏一个标准、统一、全面的benchmark。现有方法的数据处理、实验设置、评估策略、度量方式不一致。
2、现有检测方法分为: Naive detector、Spatial detector、Frequency detector。
二、研究目标
1、设计标准的数据处理系统,以确保所有检测器的输入一致。
2、提出先进的集成框架。
3、设计标准的评估指标和协议。
三、Benchmark贡献
1、对常用数据集进行统一处理,并对FF++和DFD数据集进行mask数据扩充,同时允许自由组合训练数据和测试数据。
2、构建模块化的代码库,其中三个核心模块分别为:数据处理模块(处理、排列)、训练模块(单一检测、空间检测、频率检测)、评价分析模块。
3、提供多样化评价指标及可视化工具:accuracy (ACC), the area under the ROC curve (AUC), average precision (AP), and equal errorrate (EER);Grad-CAM,t-SNE。
四、实验结果