一、研究背景
1.二分类深度伪造检测已经趋于性能饱和,操纵部位定位及排序成为新的需求,而后者可被看作多标签排序问题。
2.以往二分类方法难以直接泛化到多标签排序问题上。
二、技术路线
利用多实例学习和多标签排序,同时解决深度伪造检测和伪造位置定位及排序。
设计损失项,令预测多标签的顺序遵从深度伪造图像修改时的真实顺序。
1.特征提取
- 提取图片 x x x的token
一、研究背景
1.二分类深度伪造检测已经趋于性能饱和,操纵部位定位及排序成为新的需求,而后者可被看作多标签排序问题。
2.以往二分类方法难以直接泛化到多标签排序问题上。
二、技术路线
利用多实例学习和多标签排序,同时解决深度伪造检测和伪造位置定位及排序。
设计损失项,令预测多标签的顺序遵从深度伪造图像修改时的真实顺序。
1.特征提取