【C2C+GRCC】Exploring Disentangled Content Information for Face Forgery Detection
文章目录
- Exploring Disentangled Content Information for Face Forgery Detection
- 背景
- key points
- 研究
- 贡献
- 方法
- 增强解纠缠特性的独立性
- 实验
- 数据内评估
- 跨方法评估
- 跨数据集评估
- 消融实验
- 总结
Exploring Disentangled Content Information for Face Forgery Detection
会议/期刊： ECCV 2022
作者：
背景
CNN好用，但是性能难维持。
key points
比起伪影更关注于内容信息
表明检测器对数据集的内在偏差很敏感，会导致严重的过拟合。
设计了一个易于嵌入的内容信息去除解纠缠框架，并进一步提出了内容一致性约束（c2c）和全局表示对比约束（GRCC）来增强解纠缠特征的独立性。
构建了两个不平衡的数据集。【研究内容偏差】