【AFW+GRU（CNN+RNN）】Deepfakes Detection with Automatic Face Weighting
文章目录
- Deepfakes Detection with Automatic Face Weighting
- 背景
- points
- Deepfake检测挑战数据集
- 方法
- 人脸检测
- 面部特征提取
- 自动人脸加权
- 门控循环单元
- 训练流程
- 提升网络
- 测试时间增强
- 实验结果
Deepfakes Detection with Automatic Face Weighting
会议/期刊：CVPRW 2020
作者：
背景
被篡改和操纵的多媒体越来越多地存在，并通过社交媒体平台广泛传播。【至今仍是如此】
泛化性不足
当前的DeepFake视频是通过将合成的面部区域拼接到原始视频帧上而创建的。这种拼接操作可能会留下伪影，稍后在估计3D头部姿势时可以检测到这些伪影。【部分】
points
一种基于卷积神经网络（CNN）和递归神经网络（RNN）的方法，该方法从视频中的人脸中提取视觉和时间特征，以准确检测操纵。【一种新的模型架构】【结合CNN和RNN】
Deepfake检测挑战数据集
Deepfake Detection Challenge（DFDC）[3]数据集总共包