论文阅读-Exposing GAN-generated faces using inconsistent corneal specular highlights（眼睛高光鉴伪）

最新推荐文章于 2024-10-01 17:16:37 发布
最新推荐文章于 2024-10-01 17:16:37 发布
阅读量304 收藏 2
点赞数
分类专栏： 读论文 文章标签： 论文阅读 生成对抗网络 人工智能 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43687860/article/details/128018806
版权
该论文提出通过分析角膜上的不一致高光来检测GAN生成的假人脸。研究发现，真实人脸的两只眼睛角膜高光图案相关，而Deepfake图片则存在明显差异。这种方法依赖生理特性，具有可解释性和较好的泛化能力，但对光照、清晰度和面部朝向要求较高，且可被后期处理掩盖。
摘要由CSDN通过智能技术生成

一、论文信息

论文名称：Exposing GAN-generated faces using inconsistent corneal specular highlights

文章链接：https://arxiv.org/pdf/2009.11924.pdf

作者团队：

会议：2021-ICASSP

二、创新

借助生理信号，提出了一种研究两只眼睛角膜上的高光图案是否一致从而判断其是否为Deepfake图片的方案。下图中左图是真实图片，左右眼角膜中获取的高光区域非常相似，而右图是Deepfake图片，高光图案有明显的不一样。

三、方法

  1. 两个眼球的角膜上的高光图案是相关的，决定因素：瞳距、角膜的直径，两个眼球相对于镜头的位置（由头向所决定），

了解本专栏 订阅专栏 解锁全文 超级会员免费看
海拉鲁的小厨娘
关注
专栏目录
订阅专栏
论文阅读-DeepRhythm: Exposing DeepFakes with Attentional Visual Heartbeat Rhythms
一位不是很硕的鉴伪方向硕士
03-24 4772
血液在流过脸部时会引起皮肤颜色的微小变化，这种变化肉眼无法看到，但通过视频中帧的像素点变化可以检测到。所以推测假的视频中的心率变化跟真的视频中的心率变化不一致。
Exposing Deep Fakes Using Inconsistent Head Poses论文详记
干饭小伙
02-21 1163
Exposing Deep Fakes Using Inconsistent Head Poses论文详记一、论文简述二、论文内容A、三维头部姿势估计B、DeepFake中头部姿势的不一致性C、基于头部姿势的分类三、论文实验及结果 一、论文简述 利用3D头部姿势误差检测DeepFake视频，属于基于帧内图像伪影的检测方法，使用低级语义层次特征+SVM分类器，属于浅层分类器方法。 二、论文内容 作者观察到，在DeepFake产生的过程中，会把生成的虚假人脸拼接到源视频图像中的人脸区域，在这个过程中，将不可避免
2020年9月70篇GAN/对抗论文汇总
idol24的博客
10-02 722
点击上方“机器学习与生成对抗网络”，关注"星标"获取有趣、好玩的前沿干货！超100篇！CVPR 2020最全GAN论文梳理！2020年8月60篇GAN/对抗论文汇总20...
顶会论文阅读总结1——Exposing the Rat in the Tunnel: Using Traffic Analysis for Tor-based Malware Detection
qq_50604294的博客
08-11 1437
该论文2022年发表在ACM SIGSAC Conference，是一篇使用流量分析检测基于Tor的恶意软件的论文。① 本文作者收集并验证的基于Tor的恶意软件二进制文件，并将其部署数月，以收集其流量，还收集了在模拟不同用户配置文件的相同沙盒环境中使用Tor浏览器生成的良性流量，组成实验数据集。② 本文提出新的主机特征来识别恶意软件Tor连接，同时对其进行多标签分类。实验证明，分类器能够以高精度、高召回率和低FPR识别恶意软件连接，也可以根据恶意软件的行为来识别恶意软件类标签。
论文阅读 - 《Exposing DeepFake Videos By Detecting Face Warping Artifacts》
shimmer_ghq的博客
04-29 845
该论文的主要切入点是：由于计算资源和生产时间的限制，DeepFake算法只能合成固定大小的人脸图像，它们必须经过仿射扭曲来匹配源人脸的位置。而扭曲的面部区域和周围的环境之间的分辨率不一致，因此会留下明显的伪影。该论文就是利用这些伪影来检测DeepFake视频。 该论文没有用DeepFake视频直接作为负样本训练，而是通过直接模拟分辨率不一致性来简化训练过程。 首先检测人脸并提取人脸地标，然后计算将人脸对齐到一个标准配置的变换矩阵，将人脸对齐到该配置，然后对已经对齐的人脸使用高斯模糊，然后利用变换矩阵的逆矩阵
END-TO-END OPTIMIZED IMAGE COMPRESSION论文阅读
Aure219的博客
07-04 2995
我们描述了一种图像压缩方法，包括非线性分析变换、均匀量化器和非线性合成变换。这些变换是在卷积线性滤波器和非线性激活函数的三个连续阶段中构造的。与大多数卷积神经网络不同，受用于模拟生物神经元的网络的启发，选择联合非线性来实现一种局部增益控制形式。使用随机梯度下降的变体，我们在训练图像数据库上联合优化整个模型的率失真性能，引入量化器产生的不连续损失函数的连续代理。在某些条件下，松弛损失函数可以解释为由变分自动编码器实现的生成模型的对数似然。
Faster R-CNN论文翻译——中英文对照
热门推荐
SnailTyan
01-22 4万+
文章作者：Tyan 博客：noahsnail.com  |  CSDN  |  简书 声明：作者翻译论文仅为学习，如有侵权请联系作者删除博文，谢谢！ 翻译论文汇总：https://github.com/SnailTyan/deep-learning-papers-translation Faster R-CNN: Towards Real-Time ...
DomainForensics: Exposing Face Forgery across Domains via Bi-directional Adaptation
一位不是很硕的鉴伪方向硕士
01-24 994
本文介绍了一个深度学习模型用于检测DeepFake，该模型需要将已知伪造样本的知识转移到新的伪造样本上。作者提出了一个目标域和源域的概念，目标域只包含未标注的样本，而源域则包含样本和标签。作者的目标是让特征提取器学习到不同域之间的共同伪造特征，以实现在源域和目标域上的良好性能。作者提出的模型由分类器和特征提取器组成，其中分类器和特征提取器的参数分别为θG和θF。
信息安全_数据安全_us-18-Malmquist-Exposing-The-Bai.pdf
08-22
标题和描述中提到的"信息安全_数据安全_us-18-Malmquist-Exposing-The-Bai"是一个关于信息安全的研究报告，特别是针对组织内部的钓鱼攻击检测。报告作者Kingkane Malmquist是一位信息安全分析师，他在Mayo Clinic...
车辆重识别（2020NIPS去噪扩散概率模型）论文阅读2024/9/27
vegetabler的博客
09-28 459
从标准正太分布中采样得到z1，给出β1的值，对x0进行参数重整化，得到x1的值，形式上来看就是x1=x0+噪声，然后向参数网络中输入x0，t等数据，进行网络训练，使得所输出的预测噪声尽量和加入的噪声z1有较小的差距，一边扩散一边训练参数网络，直到结束。然后，我们在T个轮次中，不断向其加入高斯噪声（其实加入高斯噪声指的就是对于每一步的xt，对其参数重整化，也就是说让xt*σ+μ，当然这里的σ和μ都不是一个简单的值，使得经过处理之后的xt符合相应的高斯分布），使得最终的xT变成了一个各向独立的高斯分布。
论文笔记：Anytime Continual Learning for Open Vocabulary Classification
weixin_47505105的博客
10-01 300
在开放词汇表图像分类中，随着时间的推移，模型需要不断学习新的标签，同时保留对旧标签的记忆。
论文笔记——Graph Bottlenecked Social Recommendation
保持学习
09-27 1086
论文精度及其代码复现——Graph Bottlenecked Social Recommendation
【论文阅读】Simulating 500 million years of evolution with a language model
GUANYX的博客
09-29 1064
展示了语言模型在蛋白质设计和进化模拟方面的能力。通过对 ESM3 模型的研究，发现其能够生成与自然蛋白质差异较大且具有功能的新蛋白质，如新型绿色荧光蛋白（GFP），表明语言模型可以达到自然进化未探索的蛋白质设计空间，为蛋白质工程和进化研究提供了新的途径和见解。ESM3是多模态生成模型，对序列、结构和功能等多种模态进行推理，输入通过标记化处理，经过transformer和几何注意力等处理，输出可通过解码器转换为具体形式，如结构标记可解码为原子坐标。
Frequency-aware Feature Fusion for Dense Image Prediction 论文阅读
最新发布
weixin_51657614的博客
10-01 286
为了实现这一点，现代分层模型通常利用特征融合，直接添加来自深层的上采样粗特征和来自较低层次的高分辨率特征。在本文中，我们观察到融合特征值在对象内的快速变化，由于高频特征的干扰导致类别内不一致。此外，融合特征中模糊的边界缺乏准确的高频，导致边界位移。ALPF生成器预测空间变化的低通滤波器，以衰减对象内的高频组件，减少上采样期间的类内不一致。偏移量发生器通过重采样将不一致的特征替换为更一致的特征来细化大的不一致特征和细边界，而AHPF发生器增强了下采样过程中丢失的高频详细边界信息。
9、论文阅读：无监督的感知驱动深水下图像增强
DQHNB的博客
09-27 894
当前的 UIE 算法主要通过最小化增强图像和地面真实图像之间的重建损失，在合成数据集或具有伪标签的数据集上训练深度神经网络（DNN）。但是，合成和真实的水下图像有差距，在合成图像上训练的网络在真实环境下不一定有好的表现。并且使用L1和L2损失函数，往往忽视人类感知的重要性，（L1和L2损失只关注像素级别的差异，没有考虑人类视觉系统的感知特性。人类的眼睛对边缘和纹理的变化敏感，但是对颜色变化相对不敏感。为此，可以使用感知损失或者风格迁移损失 ​），导致增强的图片不尽人意。因此，本论文提出了一个。
论文阅读（十一）：CBAM: Convolutional Block Attention Module
悟兰因的博客
09-28 1195
论文题目：CBAM: Convolutional Block Attention Module（CBAM：卷积注意力机制）论文目的：卷积注意力模块（CBAM）是一种前馈卷积神经网络注意力模块。给定一个中间特征图，CBMA会沿着两个单独的维度（通道和空间）顺序推断注意力图，然后将注意力图乘以输入特征图进行自适应特征细化。并且，CBAM是一个轻量级的通用模块，它可以无缝集成到任何CNN架构中。
论文笔记（四十七）Diffusion Policy: Visuomotor Policy
xzs1210652636的博客
09-27 1017
本文介绍了Diffusion Policy，一种通过将机器人的视动策略表示为条件去噪扩散过程的新方法来生成机器人行为。我们在来自四个不同机器人操作基准的15个任务上对Diffusion Policy进行了基准测试，结果显示它在所有任务中表现优异，平均提高了46.9%。Diffusion Policy通过学习动作分布评分函数的梯度，并在推理过程中通过一系列随机Langevin动力学步骤迭代优化这一梯度场。
"安全预防措施及EIKI LC-X1UA投影仪用户手册.pdf
The manual emphasizes safety precautions, warning users to avoid exposing the appliance to rain or moisture to reduce the risk of fire or electric shock. The projector is equipped with a grounding-...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值