对深度假冒视频进行统计分析,伪造痕迹识别,然后再进行微调的InceptionResNetV2检测技术
1Department of Electronics & Communication Engineering, Jaypee Institute of Information & Technology Noida, Noida, India.
Journal of forensic sciences
|November 19, 2024
概括
这项研究引入了一种新的深度假冒检测方法,分析像素级的时间和空间视频差异. 该方法实现了高精度,超过了用于识别操纵视频的现有技术.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 数字法医学数字法医学
背景情况:
- 由于人工智能和深度学习,深度假冒技术正在迅速发展.
- 深度假冒的扩散对宣传,隐私和安全构成重大风险.
- 现有的深度假冒检测方法需要改进,以应对复杂的操纵.
研究的目的:
- 开发一种分析新的方法来检测深度假冒视频.
- 为了应对日益有能力的深度假冒内容所带来的挑战.
- 为了提高深度假冒识别的准确性和可靠性.
主要方法:
- 在像素级别分析统计视频特征的时间差异.
- 整合来自单个的空间信息和之间的时间相关性.
- 开发一种新的欧几里德距离变化概率得分,用于真实性评估.
- 微调了InceptionResNetV2模型,添加了一个密集层,用于使用FaceForensics++数据集进行深度假冒检测.
主要成果:
- 拟议的方法在FaceForensics++ (FF++) 数据集上实现了99.80%的准确性.
- 该方法在CelebDF数据集上显示了97.60%的准确性.
- 微调的InceptionResNetV2模型在未见的数据上超过了现有的深度假冒检测技术.
结论:
- 这种新的方法通过分析微妙的时间和空间偏差来有效地检测深度假视频.
- 拟议的方法在深度假冒检测准确性和可靠性方面取得了重大进展.
- 这项研究为减轻与深度假冒技术相关的风险提供了强有力的解决方案.
