首页 > 其他分享 >【人脸伪造检测】Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in Frequency Domain

【人脸伪造检测】Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in Frequency Domain

时间:2024-11-09 09:43:13浏览次数:1  
标签:采样 伪造检测 Domain Rethinking 相位 模型 Forgery 伪造

一、研究动机

[!note]

  • 创新点:利用相位谱实现伪造检测,并且证明了卷积模型可以提取隐性特征。由于上采样是伪造模型的关键步骤,这篇论文通过相位信息检测上采样的伪影。

  • 对比之前的频率模型

    F3-Net:通过离散余弦变换后的统计特征实现伪造检测

二、检测模型

  1. 可学习的知识点

[!tip]

  • 上采样会导致新的频率分量出现
  • 认为伪造图像的检测更注重的是低层次的特征(质感,颜色),与高级的语义特征关系较少(丢弃了卷积块来浅化网络)
  1. 假设

[!note]

  • 相位谱对于出现的上采样伪影更有敏感
  1. 不同伪造算法的相位谱对比

image

  1. 输入:4D图像,利用频域的重构相位谱空间域表示与原图连接作为图像的输入。

三、数据集和模型

  • 数据集:FaceForensics++(FF++) ,Celeb-DF
  • 评价指标:ACC, AUC
  • 对比backbone:Xception

标签:采样,伪造检测,Domain,Rethinking,相位,模型,Forgery,伪造
From: https://www.cnblogs.com/DLShark/p/18536335

相关文章

  • 【人脸伪造检测后门攻击】 Exploring Frequency Adversarial Attacks for Face Forger
    一、研究动机​ 现有的后门攻击方法生成的对抗样本容易被识别,只是在空间域增加了扰动。为此,作者提出了一种频率对抗性攻击的方法,在频域中增加了对抗性的扰动DCT,接着利用融合模块对不同频段的能量进行微调,有效的避免了在空间范围攻击的冗余噪声:FGSM,PGD,最终通过逆变换生成对抗样......
  • 域适应(Domain Adaptation, DA)、域泛化(Domain Generalization, DG)和测试时域适应(Test T
    域适应(DomainAdaptation,DA)、域泛化(DomainGeneralization,DG)和测试时域适应(TestTimeAdaptation,TTA)是迁移学习领域中处理分布差异的三个重要概念,它们既有联系也有区别1、DomainAdaptation(域适应,DA)1.1、DA定义域适应的目标是将一个在源域上训练好的模型调整或......
  • Rethinking Network Design and Local Geometry in Point Cloud:A Simple Residual ML
    此内容是论文总结,重点看思路!!文章概述本文提出了一种用于点云分析的简单残差MLP网络(PointMLP),通过省略复杂的几何特征提取器,仅采用残差MLP和轻量化的几何仿射模块,便能高效地提取点云特征,实现优异的分类性能。PointMLP在推理速度和准确性上优于许多现有方法,提供了一种更加高效的......
  • Fault Domain深入分析
    FaultDomain深入分析......
  • PyTorchStepByStep - Chapter 2: Rethinking the Training Loop
      defmake_train_step_fn(model,loss_fn,optimizer):defperform_train_step_fn(x,y):#SetmodeltoTRAINmodemodel.train()#Step1-Computemodel'spredictions-forwardpassyhat=model(x)......
  • 领域驱动设计(Domain-Driven Design, DDD)
    目录核心概念实践原则领域驱动设计(Domain-DrivenDesign,DDD)是一种软件开发方法论,它强调将业务领域知识与软件实现紧密结合,以提高软件对于复杂业务需求的适应性和可维护性。DDD由埃里克·埃文斯(EricEvans)在其2003年出版的同名书籍《领域驱动设计》中首次提出,并逐渐成为处理复......
  • 3.4.3 __ipipe_init_early之初始化root domain
    点击查看系列文章=》 InterruptPipeline系列文章大纲-CSDN博客3.4.3__ipipe_init_early之初始化rootdomain      如下图所示,红框里面的函数当前都是空的,本章还是分析蓝框中的代码片段。第295行,变量ipd指向了ipipe_root即ipd代表rootdomain。第305行,rootdoma......
  • .Learning.Domain-Driven.Design.
    《学习领域驱动设计》是一本深入探讨领域驱动设计(Domain-DrivenDesign,DDD)的书籍,旨在帮助读者理解并应用DDD的原则和实践。本书通过详细的章节结构和丰富的示例,从战略设计到战术设计,再到实际应用中的演变和关系,为读者提供了一条完整的学习路径。战略设计:本章介绍了如......
  • 系统设计思想之Domain驱动
    一、DDD从放弃到入门   希望了解一套微服务框架的;希望学习到新技术的;开发的系统不复杂,模块少而独立的;当前自己设计的架构已满足拓展性,可复用性,技术与业务复杂度已分离的;   这几类人群不是DDD的目标人群,建议尽早放弃,学习领域驱动设计能得到的收获概括起来大致如下:  ......
  • DynamiCrafter:Animating open-domain images with video diffusion priors
    1.Method图像条件视频生成,1.1ImageDynamicsfromVideoDiffusionPriors1.1.1文本对齐的上下文表征文本嵌入通过clip构建,图像通过clip编码,主要代表语义层面的视觉内容,未能捕获图像的完整信息,为了提取更完整的信息,使用来自clip图像vit最后一层的全视觉标记,该token在条......