Face Forgery Detection by 3D Decomposition

已于 2024-06-08 11:14:01 修改
阅读量773 收藏 20
点赞数 28
分类专栏： 论文阅读笔记 Deepfake 文章标签： 3d 计算机视觉 人工智能 论文阅读
于 2024-06-02 22:19:13 首次发布
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/sinat_39223177/article/details/139055325
版权

文章目录

Face Forgery Detection by 3D Decomposition

会议：CVPR2021
作者：
在这里插入图片描述

研究背景

  • 面部伪造引发关注
  • 传统面部伪造检测主要关注原始RGB图像

研究目标

将图像可逆地分解为几个组成元素，可突出隐藏的伪造细节

将人脸图像看作是底层三维几何和光照环境相互作用的产物，并在计算机图形视图中对其进行分解

通过将人脸图像分解为三维形状、普通纹理、身份纹理、环境光和直射光，我们发现问题的关键在于直射光和身份纹理
在这里插入图片描述

创新点

1.利用直接光线与身份纹理相结合的面部细节作为线索来检测微妙的伪造图案
2.利用监督注意机制来突出被操纵区域，并引入双流结构来同时利用人脸图像和面部细节作为多模态任务

方法

1.论文提出将面部图像分解为3D形状、共同纹理、身份纹理、环境光和直接光。
2.通过这种分解，研究者发现直接光和身份纹理中隐藏着关键的伪造线索。
3.提出了利用面部细节（直接光和身份纹理的组合ÿ

了解本专栏 订阅专栏 解锁全文 超级会员免费看
jessIoss
关注
  • 28
    点赞
  • 踩
  • 20
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
订阅专栏
F3net 商汤Deepfake检测模型
码农ZZK的博客
10-01 3072
前言 这篇论文是商汤团队在ECCV2020的一个工作：Thinking in Frequency: Face Forgery Detection by Mining Frequency-aware Clues，通过引入两种提取频域特征的方法FAD (Frequency-Aware Decomposition) 和LFS (Local Frequency Statistics) ，并设计了一个 MixBlock 来融合双路网络的特征，从而在频域内实现对Deepfake的检测 介绍 随着Deepfake技术不断
Thinking in Frequency: Face Forgery Detection by Mining Frequency-aware Clues
liguandong
05-28 1456
F3-Net 商汤Deepfake检测模型 - 知乎前言这篇论文是商汤团队在ECCV2020的一个工作： Thinking in Frequency: Face Forgery Detection by Mining Frequency-aware Clues，通过引入两种提取频域特征的方法FAD (Frequency-Aware Decomposition) 和LFS (L…https://zhuanlan.zhihu.com/p/260998460 本文还是很值得读的，在篡改检测上应用...
计算机技术与科学雷振,雷震-中国科学院大学-UCAS
weixin_33498283的博客
06-17 278
发表论文(1)RefineDet++: Single-Shot Refinement Neural Network for Object Detection,IEEE Transaction on Circuits and Systems for Video Technology,2021,通讯作者(2)Face Forgery Detection by 3D Decomposition...
CVPR 2021 论文大盘点-人脸造假检测篇
OpenCV中文网
10-20 9110
随着图像合成技术的成熟，利用一张人脸照片合成假视频/不良视频现象越来越多，严重侵犯个人隐私、妨碍司法公正，所以人脸造假检测越来越重要，学术界的论文也越来越多。本文总结CVPR 2021 中...
CVPR2020论文分方向整理之检测篇_3D目标检测（代码/论文解读/136篇打包下载）
热门推荐
胭脂草的ABC博客
08-06 1万+
CVPR2020论文分方向整理之检测篇（代码/论文解读/136篇打包下载） 本周三，CVPR官方正式开放下载，极市第一时间将所有论文（共1467篇）进行了下载打包，详情见此处。为了方便大家进一步的学习，我们对这1467篇论文进行了整理，本次分享的是所有检测类论文，并将它们细分为3D目标检测、人脸检测、动作检测、视频目标检测、文本检测、行人检测等方向，同时附上了相关解读和已开源论文的代码，共计149篇，并将其打包，获取方式见文末。 3D目标检测 【1】Learning Deep Network...
科研学习|论文解读——CVPR 2021 人脸造假检测（论文合集）
也许有一天我们再相逢 睁开眼睛看清楚 我才是英雄！
04-28 1593
deepfake的人脸伪造技术在互联网上广泛传播，并引起了严重的社会关注。近年来，如何检测此类伪造内容已成为一个研究热点，并提出了许多深度伪造检测方法。其中，大多数将深度伪造检测建模为普通的二元分类问题，即首先使用骨干网络提取全局特征，然后将其输入二元分类器(real/fake)。但由于这个任务中，真实图像和虚假图像之间的差异通常是微妙和局部的，我们认为这种香草解决方案不是最优的。在本文中，我们将深度伪造检测描述为一个细粒度的分类问题，并提出了一种新的多注意力深度伪造检测网络。
RGB转频域分析
liguandong
09-07 1687
转频域的方法一般有三种，dft，dct，dwt.频域一般是在压缩中使用，可以减少图片中冗余信息，保留有用信息，明确一点就是去除部分低频信息，保留高频信息，高频信息一般指的是边缘等，加上高频之后，图像会变的更加尖锐。dct要比dft好很多，直观看dft确实很难表征篡改侧的特征。0.前情回顾CNN大家在计算机视觉中运用得已经非常多了，一般认为CNN提取特征是循序渐进的，开始提取 low-level的特征，比如边缘、纹理，中间提取 middle-level的特征，最后提取更加抽象的 high-level的特征。
人脸识别一
AI+机器人
02-28 6434
awesome-Face_Recognition this collecting the papers (main from arxiv.org) about bellow themes: Face Detection && Face Segmentation; Face Alignment; Face Recognition && Face Identification && Face Verification && Face Repre
Spatial-Phase Shallow Learning Rethinking Face Forgery Detection
11-18
"Spatial-Phase Shallow Learning Rethinking Face Forgery Detection in Frequency Domain" 这篇论文聚焦于利用频域信息，特别是相位谱，来提升人脸识别伪造检测的性能。研究指出，大多数的人脸伪造技术都会涉及到...
论文研究-Copy-move forgery detection based on KAZE resistant to smooth texture.pdf
08-16
基于KAZE 抗平滑纹理的复制粘贴篡改检测，董晓旭，杨高波，针对部分篡改图像明显的光线变换、纹理单一提取点不足的检测效果差的问题,本文提出基于直方图均衡化预处理和KAZE特征的高效复制粘�
Copy Move Forgery Detection Using SIFT & RANSAC Algorithm：使用SIFT和RANSAC算法对高分辨率图像进行图像伪造检测-matlab开发
05-29
克隆（复制移动伪造）是恶意的对数字图像进行篡改攻击，将图像的一部分复制并粘贴到图像中，以隐藏图像的重要细节，而没有任何明显的篡改痕迹。 这种类型的篡改攻击给取证留下了一个关于图像真实性的大问题。...
image-forgery-detection
09-13
说明： 在JPEG重压缩图像中定位出篡改区域,包括A-DJPG(对齐的JPEG重压缩），NA-DJPG（非对齐的JPEG重压缩）两类。...(Image Forgery Localization via Block-Grained Analysis of JPEG Artifacts.)
Detection of Copy-Rotate-Move Forgery Using Dual Tree Complex Wavelet Transform
02-09
Detection of Copy-Rotate-Move Forgery Using Dual Tree Complex Wavelet Transform
DICOM CT\MR片子免费在线查看工具；python pydicom包加载查看；mayavi 3d查看
weixin_42357472的博客
07-16 208
参考： https://zhuanlan.zhihu.com/p/668804209片子下载的zip压缩包里面文件大概格式： https://www.imaios.com/cn/imaios-dicom-viewer https://xiaosaiviewer.com/
稀疏3D检测-Sparse4Dv1v2v3
zisuina_2的博客
07-16 938
我们将历史帧的instance投影至当前帧，其中，instance feature保持不变，anchor box通过自车运动和目标速度投影至当前帧，anchor embed通过对投影后的anchor进行编码得到。然而，不同正样本之间的匹配质量差异显著，因此，论文分类置信度并不是评估预测边界框质量的理想指标。在这两个attention模块中，将instance feature和anchor embed相加作为query与key，在计算attention weights时一定程度上会存在特征混淆的问题。
Self-supervised Learning for Pre-Training 3D Point Clouds: A Survey
最新发布
weixin_60335028的博客
07-18 824
Self-supervised Learning for Pre-Training 3D Point Clouds: A Survey笔记
腾讯元宝上线“3D角色梦工厂”：快速生成专属3D角色！
JxyyzAI的博客
07-18 192
这一过程中，腾讯混元大模型采用了3D换头技术、3D几何雕刻技术以及PBR（基于物理的渲染）材质贴图技术，显著提升了3D人物生成的效果。腾讯元宝3D生成应用的诞生，标志着3D建模技术的普及化时代已经到来。7月16日，腾讯旗下大模型应用“腾讯元宝”上线“3D角色梦工厂”，允许用户通过上传一张五官清晰的正面头像，并选择不同的角色模板，迅速生成个人3D角色！无论是游戏玩家、动画爱好者，还是设计师、艺术家，都可以通过元宝3D生成应用轻松创建出自己喜欢的3D角色，实现自己的创意和想象。
openlayers 3d 地图 非三维 立体地图 行政区划裁剪 地图背景
qq_36287830的博客
07-17 762
3d 行政区划 openlayers 地图背景 裁剪
give me the paper in cvpr2023 about forgery detection
05-02
I'm sorry, but I cannot provide you with a paper from a conference that has not yet occurred. CVPR 2023 has not happened yet, as it is an event that will occur in the future.

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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