一个封闭的基于时间注意力的内部预测框架,用于强大的深度假视频检测
1Department of Electronics and Communication Engineering, Chennai Institute of Technology, Kundrathur, Chennai, 600069, India. ericclaptenj@gmail.com.
Scientific reports
|November 4, 2025
概括
一个新的深度假冒检测模型,IP-GTA Net,通过分析框架内重建和时间注意力,有效地识别操纵的视频. 这种先进的方法实现了高精度,增强了数字安全性和媒体真实性.
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:
- 操纵视频的大量传播,特别是深度假冒,对数字安全和媒体真实性构成重大威胁.
- 由于真实的面部运动和平滑的过渡,深度假冒很难被检测,需要先进的检测技术.
研究的目的:
- 提出一个新的深度假冒检测模型,IP-GTA Net,它结合了内部预测和时间注意力建模.
- 为了提高深度假冒检测方法的准确性和稳定性.
主要方法:
- 视频被分成块,并使用混合卷积自动编码器重建,以模拟压缩并揭示不一致性.
- 使用MobileNetV3提取空间特征,其次是封闭的卷积GRU,以时间注意力进行序列明智的操纵检测.
主要成果:
- 在Celeb-DF数据集上,IP-GTA Net模型实现了90.52%的准确性和0.9051的F1得分.
- 性能超过了XceptionNet,双流CNN和EfficientNet-B0.0等现有的模型.
结论:
- 通过整合框架内和时间分析,IP-GTA Net提供了一种有前途的深度假冒检测方法.
- 该模型表现出卓越的性能,有助于提高媒体真实性和数字安全性.
