专栏首页arxiv.org翻译专栏从外表和行为来检测假冒视频(multimedia)
原创

从外表和行为来检测假冒视频(multimedia)

合成生成的音频和视频——所谓的“深度伪造”——继续吸引着计算机图形和计算机视觉社区的想象力。与此同时,技术的民主化仍然令人担忧,因为它有可能破坏民主选举,造成小规模的大规模舞弊,助长虚假信息宣传,并制造非经双方同意的色情内容。我们描述了一种基于生物识别技术的法医技术,用于检测面部置换深度假货。该技术结合了基于面部识别的静态生物特征和基于面部表情和头部运动的行为生物特征,其中行为嵌入是使用带有度量学习目标函数的CNN来学习的。我们通过几个大规模的视频数据集,以及在野外的深度假数据集,展示了这种方法的有效性。

原文题目:Detecting Deep-Fake Videos from Appearance and Behavior

原文:Synthetically-generated audios and videos – so-called deep fakes – continue to capture the imagination of the computer-graphics and computer-vision communities. At the same time, the democratization of access to technology that can create sophisticated manipulated video of anybody saying anything continues to be of concern because of its power to disrupt democratic elections, commit small to large-scale fraud, fuel dis-information campaigns, and create non-consensual pornography. We describe a biometric-based forensic technique for detecting face-swap deep fakes. This technique combines a static biometric based on facial recognition with a temporal, behavioral biometric based on facial expressions and head movements, where the behavioral embedding is learned using a CNN with a metric-learning objective function. We show the efficacy of this approach across several large-scale video datasets, as well as in-the-wild deep fakes.

原文作者:Shruti Agarwal (1), Tarek El-Gaaly (2), Hany Farid (1), Ser-Nam Lim (2) ((1) Univeristy of California, Berkeley, Berkeley, CA, USA, (2) Facebook Research, New York, NY, USA)

原文链接:https://arxiv.org/abs/2004.14491

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 利用多任务学习与众包的特点以提高皮损诊断(Human-Computer Interaction)

    人们认识到机器学习需要大量的带注释的数据。由于专家注释的高成本,群众外包,即要求非专家标记或轮廓图像,已被建议作为一种替代方案。虽然有许多有前途的结果被报道,诊...

    用户6869393
  • 积极的算法偏见无法阻止同性社交网络的分裂(Social and Information Networks)

    社会网络中的碎片化、回音室及其改进已经成为学术界和非学术界日益关注的问题。本文证明了在同质性假设下,即使在理想的异质性条件下,回音室和碎片化也是高度灵活的社会网...

    用户6869393
  • 人工智能、虚拟现实对消费者身体和心理能力的潜在影响(Computers and Society)

    随着面向社区和个人的大多数服务的逐渐数字化,人类正面临着新的挑战。虽然能源资源正在迅速减少,必须做出严格的选择以确保我们的环境的可持续性,但科学界和社会越来越关...

    用户6869393
  • 分配问题的强化学习(AL)

    本文致力于结合神经网络的强化学习在用户调度问题的一般表述中的应用。我们的模拟器通过环境的随机变化类似于现实世界中的问题。我们将基于Q学习的方法应用于动态仿真的数...

    田冠宇
  • 蝙蝠式在结构上栖息动作的仿生研究:惯性动力学(CS RO)

    蝙蝠的飞行特性在无人机设计中被忽视了。与其他动物不同,蝙蝠在栖息时利用惯性动力学来表现空中翻转。受这一独特动作的启发,这项工作开发并使用了一个名为“鱼叉”的微型...

    时代在召唤
  • 【译】Python中的数据清洗 |Pythonic Data Cleaning With NumPy and Pandas(一)

    python中的数据清洗 | Pythonic Data Cleaning With NumPy and Pandas[1]

    needrunning
  • 大脑记忆的建模

    据国外媒体报道,科学家近日发现了大脑形成及失去记忆背后的数学方程。他们认为,这些方程可以精确地描述我们唤起回忆的方式。未来某一天,这一发现或许能帮助医生消除或改...

    CSDN技术头条
  • 枪声:枪声样本数字取证与人工智能(CS LG)

    根据炮口冲击波对武器进行分类是一项具有挑战性的任务,在各种安全和军事领域有着重要的应用。 现有的大多数工程依赖于特别部署的空间多样性麦克风传感器,以捕捉同一枪击...

    用户7095611
  • 【论文推荐】最新5篇深度强化学习相关论文推荐—经验驱动的网络、自动数据库管理、双光技术推荐系统、UAVs、多代理竞争对手

    【导读】专知内容组整理了最近强化学习相关文章,为大家进行介绍,欢迎查看! 1. Experience-driven Networking: A Deep Rei...

    WZEARW
  • 【论文推荐】最新7篇视觉问答(VQA)相关论文—解释、读写记忆网络、逆视觉问答、视觉推理、可解释性、注意力机制、计数

    【导读】专知内容组整理了最近七篇视觉问答(Visual Question Answering)相关文章,为大家进行介绍,欢迎查看! 1.VQA-E: Expla...

    WZEARW

扫码关注云+社区

领取腾讯云代金券