典型文献
视觉深度伪造检测技术综述
文献摘要：
随着生成式深度学习算法的发展,深度伪造技术发展并应用于各个领域.深度伪造技术的滥用使人们逐渐意识到其带来的威胁,伪造检测技术随之而生.本文基于视觉深度伪造技术研究进行综述.1)简要介绍了视觉深度伪造技术的发展历程及技术原理,包括生成对抗网络在深度伪造制品中的应用;2)对现有的视觉深度伪造数据集进行汇总并归类;3)对目前的视觉深度伪造检测技术进行了分类,将现有的检测方法归纳为基于具体伪影的、基于数据驱动的、基于信息不一致和其他类型视觉深度伪造检测等4种分类.其中,基于伪影的检测方法着重于寻找伪造制品与真实图像之间的像素级差异,通过机器学习识别深度伪造制品中的人工伪影痕迹,基于信息不一致的方法则着重于寻找伪造制品与真实图像或视频之间的信息级差异,这两种方法都具有识别效率高、训练便捷等优点;基于数据驱动的方法通过大量的数据集和机器学习训练,直接使用神经网络本身对深度伪造制品进行训练,并通过改善网络架构增进模型以提高训练效率,因为其模型的多变和高精确率成为目前深度伪造检测的热门方向.同时,本文分析了4种方法的具体优缺点,并进一步给出了未来视觉深度伪造检测研究的重点和难点.
文献关键词：
数字取证;深度伪造;机器学习;深度学习;面部篡改
中图分类号：
作者姓名：
王任颖;储贝林;杨震;周琳娜
作者机构：
北京邮电大学网络空间安全学院, 北京 100876
文献出处：
引用格式：
[1]王任颖;储贝林;杨震;周琳娜-.视觉深度伪造检测技术综述)[J].中国图象图形学报,2022(01):43-62
A类：
面部篡改
B类：
深度伪造检测,技术综述,生成式,深度学习算法,技术原理,生成对抗网络,方法归纳,伪影,着重于,像素级,级差,痕迹,学习训练,网络架构,提高训练,训练效率,精确率,重点和难点,数字取证
AB值：
0.17045
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
