一种基于改进Transformer的深度伪造检测DCT方法

计算机视觉的快速发展推动了人脸伪造技术的显著进步,深度学习的快速发展也使得人脸伪造变得越来越简单且难以识别。深度伪造的泛滥给国家和社会造成了负面影响。针对现有的深度伪造检测方法存在的准确率低、鲁棒性差等问题,利用可学习的分片方法和通道注意力单元对视觉转换器进行改进,并利用改进后模型进行深度伪造检测。具体而言,将可变形分块模块引入模型的每个阶段(Stage),并将通道注意力和自注意力结合构成混合注意力单元。此方法在两个通用深度人脸提取数据集上达到了0.981和0.989的曲线下面积(AUC),并取得了较好的鲁棒性和泛化性。