用“心跳”做信号识别假脸视频 准确率高达97%

在交叉数据集FF++中，每个原始视频包含四个合成视频，其中每个视频都使用不同的生成模型生成。研究人员将FF++的原始视频分割为60%训练，40%测试。然后创建这些集合的四个副本，并从每个集合中删除特定模型生成的所有样本。

表中第1列，每个集合包含三个模型的600个真实视频和1800个假视频，以及一个模型的400个真实视频和400个假视频进行测试。

从跨模型评估结果来看，除了NeuralTextures，其他均得到了非常精确的预测。而NeuralTextures本质上就是不同的生成模型。

由此，论文最后得出结论称，基于生物信号的Deepfake视频检测器FakeCatcher，证明了生物信号的空间维度和时间维度的一致性在GAN-Rated内容中并没有得到很好的保持。

此外，通过人脸取证实验并引入自建DF数据集中，对视频片段、视频的成对分离以及真实性分类方法进行评估，分别得到了99.39%，96%以及91.07%准确率。这些结果再次验证了FakeCatcher可以高精度地检测假内容，而不依赖视频的生成器、内容、分辨率以及质量等指标。

更多论文内容，请参见：https://arxiv.org/pdf/1901.02212.pdf

引用链接：

https://ieeexplore.ieee.org/document/9141516

https://techxplore.com/news/2020-10-deepfake-videos-pulse.html

本文素材来自互联网

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!