DomainForensics: Exposing Face Forgery across Domains via Bi-directional Adaptation

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