基于重建—分类学习的伪造人脸检测

活动介绍

上海白玉兰开源开放研究院发起的“青年学者论坛”，意在为国内外大数据及人工智能领域的优秀青年学者，搭建一个非正式交流平台。我们诚邀发表在国际顶会的论文作者，以第一视角介绍其学术观点、研究细节、成果展现、相关领域前沿方向等话题，促进观点碰撞及交流合作。

此次是“青年学者论坛”第22期活动，青年学者论坛讲师及志愿者持续招募中。如有意愿，请与我们联系，欢迎广大同学们积极参与。
Email：chengh@baiyulan.org.cn （邮件主题：青年学者论坛）
微信：chhao01 （验证消息：青年学者论坛）

• 摘要

现有伪造人脸检测算法大多聚焦于输入图像中特定的合成模式如噪声特征、局部纹理和频域信息等来辨别伪造人脸。然而，随着伪造技术的发展，过度关注特定的已知合成模式容易造成无法识别全新合成方法生成的伪造样本。同时，图像传输过程中的压缩、模糊、饱和度失调等噪声也可能破坏已知的合成模式，从而影响伪造人脸检测算法的准确度。基于此，我们从一个新的视角来探索伪造人脸检测任务，设计了一个名为RECCE的“重建—分类”学习框架，通过重建真实人脸图像来学习真实人脸的共性表征，并根据分类任务来挖掘真实人脸与伪造人脸的本质差异。简单来说，我们利用真实人脸图像训练了一个重建网络，并利用重建网络的隐层特征来对真实与伪造人脸进行分类。由于伪造人脸与真实人脸在数据分布上存在不一致，因此伪造人脸的重建误差更明显，且反映了潜在的伪造区域。我们在常用伪造人脸检测数据集如FF++、WildDeepfake和DFDC上进行了大量实验，实验结果验证了我们方法相较于现有方法的优越性能。

• 相关论文
• End-to-End Reconstruction-Classification Learning for Face Forgery Detection. Junyi Cao, Chao Ma, Taiping Yao, Shen Chen, Shouhong Ding, and Xiaokang Yang. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2022.

活动安排

讲师介绍

曹隽逸，上海交通大学人工智能研究院在读硕士生，导师为马超副教授。主要研究方向为人脸安全、视觉识别等深度学习理论与方法研究。目前在ACM MM，CVPR等CCF推荐会议与期刊上发表论文3篇。

评议人

晏轶超，上海交通大学人工智能研究院助理教授。2019年获上海交通大学博士学位，研究方向为计算机视觉，主要包括视觉生成、动作理解、行人检索等，发表包括TPAMI、CVPR在内的国际高水平论文20余篇。长期担任领域顶级会议期刊(CVPR、ICCV、IJCV)审稿专家，并多次受邀成为顶级会议AAAI、IJCAI程序委员会成员。曾获2020年度中国图象图形学会优秀博士论文奖。

合作媒体

• CSDN
• 思否
• 掘金
• 数据与智能
• 示说

独家报名平台