近日,碩士研究生李漢哲在機器學(xué)習(xí)頂會NeurIPS上發(fā)表論文《FreqBlender: Enhancing DeepFake Detection by Blending Frequency Knowledge》。該論文作者為李漢哲(碩士研究生)、周佳然、李岳尊(指導(dǎo)老師,通訊作者)、吳保元、李斌和董軍宇教授。NeurIPS(神經(jīng)信息處理系統(tǒng)大會,全稱 Neural Information Processing Systems)是機器學(xué)習(xí)和人工智能領(lǐng)域的頂級國際會議之一,本屆NeurIPS于12月份在加拿大溫哥華市舉行,論文錄用率為25.8%。
論文提出了一種名為FreqBlender的新方法,通過融合特定頻率知識生成偽假臉,以提升檢測泛化性。研究首先分析了真實場景中DeepFake人臉的主要頻率成分,并提出了一種頻率解析網(wǎng)絡(luò)(Frequency Parsing Network),用于自適應(yīng)地分割與偽造痕跡相關(guān)的頻率成分。隨后,將DeepFake人臉中篡改痕跡對應(yīng)的頻率信息融合到真實臉中,生成偽假臉。由于頻率成分缺乏Ground Truth,論文設(shè)計了一種特殊的訓(xùn)練策略,利用不同頻率知識之間的內(nèi)部關(guān)聯(lián)來指導(dǎo)學(xué)習(xí)過程。實驗結(jié)果表明,該方法能夠有效增強DeepFake檢測能力,并具有作為其他方法即插即用策略的潛力。