-
公开(公告)号：CN117953563A
公开(公告)日：2024-04-30
申请号：CN202311761713.5
申请日：2023-12-20
Applicant: 北京邮电大学
IPC: G06V40/16 , G06V20/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于像素级别人脸修正预训练的深度伪造检测方法，属于深度伪造检测领域。首先对收集到的真实人物视频进行数据预处理，得到人脸预训练数据集。然后对人脸预训练数据集中的原始图像进行下采样，构建不同分辨率的面部图像金字塔；采用像素级分辨率混合技术，使用特定的融合比例和下采样图片集生成融合图像；将融合图像输入差异修正模块，利用标准的掩码自编码器训练模型完成对遮蔽区域的重建，解决像素级别的差异，得到图像编码器。最后将图像编码器在深度伪造样本上进行微调，得到能实现人脸深度伪造检测的图像编码器。本发明提高了人脸深度伪造检测的鲁棒性和泛化能力，具有广泛应用于其他任务上的潜力。
-
公开(公告)号：CN115661889A
公开(公告)日：2023-01-31
申请号：CN202211185641.X
申请日：2022-09-27
Applicant: 北京邮电大学
Abstract: 本发明公开一种基于音视频多模态的特定人物深度伪造检测方法，属于安全与数字图像取证领域，采用音视频多模态融合的算法，并结合唇读方法基于时序捕捉人脸的动态特征。本发明的步骤有：(1)提取人物音视频与唇读特征；(2)融合唇部与时序特征为面部语义特征；(3)融合面部语义特征与音频特征进入神经网络；(3)融合特征在分类器中进行真假脸的检测。本发明方法以融合音视频多模态的神经网络模型为基础，针对特定政治人物的AI换脸检测进行创新设计，满足对于指定人物检测高准确率的要求。同时，本发明方法通过提取面部时序信息捕捉人脸动态特征，参考时间维度不同人脸的平移旋转等动作，弥补了原本仅限于参考图像内容本身的特征的局限，极大提高了假脸检测的准确性。
-
公开(公告)号：CN115482595A
公开(公告)日：2022-12-16
申请号：CN202211188905.7
申请日：2022-09-27
Applicant: 北京邮电大学
Abstract: 本发明公开一种基于语义分割的特定人物视觉伪造检测与鉴别方法，属于深度伪造与检测技术领域，提出了一种以特定人物的深度伪造视频检测为研究目标，基于半监督和语义分割的基本方法构建目标任务的个人特征模型，对构建的人脸区域属性掩码进行选择并分类，综合各属性分类权重输出结果的伪造视频检测方式。首先本发明构建基于语义分割的目标人物区域掩膜数据集；其次建立个人语义模型进行视觉伪造检测与鉴别对深度伪造视频进行检测。制作数据集过程中，利用半监督机器学习算法扩增数据集，解决特定人物数据集不足的问题并降低人工标注成本。
-
公开(公告)号：CN115482595B
公开(公告)日：2023-04-07
申请号：CN202211188905.7
申请日：2022-09-27
Applicant: 北京邮电大学
IPC: G06V40/40 , G06V20/70 , G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/0895
Abstract: 本发明公开一种基于语义分割的特定人物视觉伪造检测与鉴别方法，属于深度伪造与检测技术领域，提出了一种以特定人物的深度伪造视频检测为研究目标，基于半监督和语义分割的基本方法构建目标任务的个人特征模型，对构建的人脸区域属性掩码进行选择并分类，综合各属性分类权重输出结果的伪造视频检测方式。首先本发明构建基于语义分割的目标人物区域掩膜数据集；其次建立个人语义模型进行视觉伪造检测与鉴别对深度伪造视频进行检测。制作数据集过程中，利用半监督机器学习算法扩增数据集，解决特定人物数据集不足的问题并降低人工标注成本。
-
-
-
Search Results
4
records
(took 0.024 seconds)
