基于频域特征的人脸深度伪造检测文献综述

 2022-11-26 03:11

开题报告

一．文献综述

DeepFake是“deep learning”和“fake”的组合词，是一类利用人工智能进行假数据生成的技术的概称。作为一款功能强大开源虚假信息编辑软件，DeepFake自2017年问世起就掀起了轩然大波，深度伪造媒体凭借高自由度、高真实度（肉眼难以分别）的显著优势，在网络空间内大范围快速传播。2019年2月，一组利用杨幂面部替换朱茵扮演的黄蓉的视频在网络引发热议，极具真实感的视频画面令人难辨真假。短视频平台上也出现了大量利用素人直播表演，替换成明星面部的合成表演视频。2019年下半年盛行的换脸应用ZAO[1]，带动了换脸视频在国内的普及。用户只需在该软件上传一张个人照片，就可以用该面部图像替换掉经典影视桥段中的某个角色的面部。细致到近乎以假乱真的效果，在社交媒体上引发热议，不仅带动ZAO发布不到24小时就登上iOS免费榜第二，更是冲进微博热搜前十。而在娱乐之外，基于美国众议院议长NancyPelosi的一段Deepfake的谈话视频出现在社交媒体上，前美国总统特朗普总统也信以为真并进行了转发，该视频在Facebook上获得了超过250万次的浏览量。有人恶意利用Deepfake散布虚假信息、引发非自愿色情片泛滥、煽动对立仇恨从而引起社会信任危机的问题亟待解决。

DeepFake对人脸信息的篡改主要分为四类[2]：

  1. Identity Swap，换脸

换脸伪造将已有视频中的人脸替换为已知的目标人脸，目前常见的视频换脸工具有Deep FaceSwap[3]、FaceS wap[4]、DeepFaceLab[5]、Faceswap-GAN[6] 等。

  1. Entire Face Synthesis，整脸合成

该类通过深度伪造技术合成不存在于现实世界的人脸，主要分为基于生成对抗网络( generative adversarial network, GAN)[7]和自编码器( autoencoder)[8]的方法。

  1. Expression Swap，表情交换

此类篡改主要改变人的面部表情，代表技术有Face2Face[9]和Neural Textures[10]。

  1. AttributeManipulation，属性篡改

篡改诸如发型、头发皮肤颜色、性别、年龄、眼镜饰物等属性。此类篡改常用GAN来完成，例如StarGAN[11]。

随着对DeepFake的广泛研究，出现了同样利用深度学习对深度伪造进行的方法。目前，检测方法根据其判别原理的不同可分为四种:

  1. 借鉴传统图像取证方法，像素级别构建模型检测深度伪造图像

Nataraj等人[12]通过提取像素域中RGB通道上的共现矩阵(co-occurrence matrices)，基于CNN构建了一.种像素级的图像检测模型来实现对GAN生成伪造图像的检测。Wang 等人[13]提出一种在商业软件AdobePhotoshop上编写脚本来检测合成图像内容的方法。然而，这类借鉴传统图像取证技术的深度伪造图像检测模型可通过在伪造图像中加噪声的方式绕过。

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章