一、论文信息
论文题目:DomainForensics: Exposing Face Forgery across Domains via Bi-directional Adaptation
作者团队:IEEE会员
二、动机与创新
1、动机:泛化性弱
-
以前的工作通过数据增强、频率线索和迁移学习等方法来提高面部伪造检测的泛化能力。然而,这些方法都存在一定的限制和缺陷,如数据增强只能应对已知的伪造类型,频率线索易受数据处理和视频质量影响,迁移学习需要标注新的伪造样本。因此,研究人员提出了一个基本问题:是否可以在没有任何标签的情况下,仅通过访问目标样本来检测新的伪造?
2、创新:无监督领域自适应方法
无监督领域自适应(Unsupervised Domain Adaptation,UDA)旨在解决在目