论文《FakePolisher: Making DeepFakes More Detection-Evasive by Shallow Reconstruction》提出了基于字典学习的后处理浅层重构方法，以减少基于GAN的伪造图像中的artifact patterns，欺骗了多种检测方法。通过K-SVD和PCA训练字典，然后进行图像重构，降低检测准确性并提高与原始图像的相似度。
论文标题：FakePolisher:Making DeepFakes More Detection-Evasiveby Shallow Reconstruction
关键词：Computer vision；DeepFake；Shallow Reconstruction
发表会议：ACM MM
引言
随着Deepfakes的发展，给社会带来了一个巨大挑战，然而现如今也有很多伪造检测可以很好检测出伪造信息。而现有大多数的伪造信息生成技术是基于GAN方法，使用GAN方法不可避免的会使用上采样，而使用上采样方法会在生成图像中留下artifact patterns，同时现有的检测技术强调这些artifact patterns。为了减少这些artifact patterns，作者提出了一种浅层重构的方法。
一、主要贡献
1、提出一种基于字典学习的后处理浅层重构方法（FakePolisher），减少在基于GAN生成的假图像中的artifact patterns；
2、欺骗三种具有代表性的检测方法（GANFingerprint、DTCA、CNNDetector）；
3、从不同角度，指明现有的检测技术是利用这些痕迹。
最低0.47元/天 解锁文章
4206
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
