公开(公告)号：CN117275064A

公开(公告)日：2023-12-22

申请号：CN202311211903.X

申请日：2023-09-19

Applicant: 中国科学院计算技术研究所

Inventor： 唐胜 ,  王志浩 ,  曹娟

IPC: G06V40/16 ,  G06V40/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455

Abstract: 本发明提出一种基于人脸时序信息的人脸视频深度伪造检测方法和装置，包括：获取以标准真伪标签的人脸视频作为训练数据；通过基础网络对训练数据中多个视频帧提取特征，得到原始特征，以原始特征进行三维人脸重建，得到重建图像；基础网络对重建图像提取特征，得到重建特征；特征差分模块对原始特征以及重建图进行差分并对差分结果进行降维，得到差分特征；将重建特征和差分特征作为查询特征，并将原始特征作为待查询特征，分别输入查询模块，根据查询特征与待查询特征的相似度，对待查询特征的重新加权，得到加权差分特征和加权重建特征；自适应融合模块将原始特征、加权差分特征和加权重建特征加权融合后进行真伪分类。

公开(公告)号：CN117275063A

公开(公告)日：2023-12-22

申请号：CN202311211893.X

申请日：2023-09-19

Applicant: 中国科学院计算技术研究所

Inventor： 唐胜 ,  王志浩 ,  曹娟

IPC: G06V40/16 ,  G06V40/40 ,  G06V10/82

Abstract: 本发明提出一种基于三维信息时序一致性的人脸深度伪造检测方法，包括：构建包括特征提取器、差分模型、分类层和人脸重建模型的三维时间差分模型；特征提取器提取训练视频中具有人脸的每一帧图像的面部特征，人脸重建模型根据面部特征重建人脸图像，得到单帧图像的重建图像，时间差分模型根据相邻帧在面部相关特征上的差异作为时序特征，分类层根据时序特征进行分类，根据分类结果和伪造标签构建损失函数，以训练三维时间差分模型中的分类层；训练完成后的三维时间差分模型用于执行人脸伪造检测任务。由于提取三维特征的网络参数固定，因此本发明具有可学习参数较少的特点。且本方法在具有较高检测精度的同时还能保证具有较好的抗压缩能力。