曝光面部操纵基于产生敌对网络变压器和假频噪声痕迹的面部操纵
1Department of Computer Engineering, Gachon University, 1342 Seongnamdaero, Sujeong-gu, Seongnam-si 13120, Republic of Korea.
Sensors (Basel, Switzerland)
|March 17, 2025
概括
本研究介绍了一种使用生成对抗网络 (GAN) 和变压器的新深度假冒检测网络. 该方法有效地识别了复杂的伪造图像,增强了对恶意合成媒体的数字安全性.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 数字法医学数字法医学
背景情况:
- 由生成对抗网络 (GAN) 和扩散模型产生的现实合成图像的扩散带来了重大滥用风险.
- 深度假冒是一个严重的社会问题,因为它们越来越难以与真实的图像区分开来.
研究的目的:
- 开发一种新的深度假冒检测网络,能够识别高度现实的伪造面部图像.
- 为了提高对微妙和多样化的伪造模式的深度假冒检测的稳定性和准确性.
主要方法:
- 提出了一个新的检测网络,集成生成对抗网络 (GAN) 和变压器架构.
- 集成的频域分析和噪声检测预测模块.
- 使用GAN用于本地伪造文物捕获和转换器用于全球依赖性建模.
主要成果:
- 拟议的框架有效地捕捉了当地文物,并在伪造的图像中模拟全球依赖关系.
- 频域和噪声信息被利用来预测异常,提高检测.
- 与基准数据集上现有的深度假冒检测方法相比,实现了更高的准确性和稳定性.
结论:
- 新的GAN和基于变压器的网络在深度假冒检测方面取得了重大进展.
- 频率和噪声分析的整合改善了微妙和复杂的伪造品的识别.
- 该方法提供了一个更准确,更强大的解决方案,用于打击滥用合成媒体.
