近日,碩士研究生李漢哲在機器學習頂會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)是機器學習和人工智能領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(Frequency Parsing Network),,用于自適應地分割與偽造痕跡相關的頻率成分。隨后,,將DeepFake人臉中篡改痕跡對應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,,論文設計了一種特殊的訓練策略,,利用不同頻率知識之間的內(nèi)部關聯(lián)來指導學習過程。實驗結果表明,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,。