文章目录
Dual Contrastive Learning for General Face Forgery Detection
会议:AAAI 2022
作者:
code:https://github.com/Tencent/TFace.git
key points:
以前聚焦——人脸伪造检测——基于交叉熵损失的分类问题【强调类别水平的差异,而不是真假人脸之间的本质差异,限制了模型在未知领域的泛化】
本文提出了一种新的人脸伪造检测框架,称为双重对比学习(Dual contrast Learning, DCL),该框架专门构建正、负成对数据,并在不同粒度上进行设计对比学习,以学习广义特征表示
首次提出了实例间对比学习(Inter-ICL),结合硬样本选择策略,通过构建