FaceForensics++ 论文笔记
发布网友
发布时间：2小时前
共1个回答
热心网友
时间：2小时前
FaceForensics++技术概述
FaceForensics++论文探讨了当前面部伪造技术的两大核心领域：面部表情篡改与面部身份篡改。
面部表情篡改
Face2Face：实时实现人脸表情的实时迁移，赋予一个人的表情到另一个人的脸上，展示出高度的实时性和技术挑战。
NeuralTexture：利用深度学习技术，如FaceSwap，通过检测面部关键点，构建3D模板模型，再通过Blendshapes技术进行人脸替换，确保结果的逼真性。
面部身份篡改
FaceSwap（有目标）：利用深度学习AE技术，将目标人脸替换到源视频中，通过泊松图像编辑实现无缝融合，提高伪造的隐蔽性。
Deepfake（有目标）：同样利用深度学习，通过共享编码器进行图像重建和融合，旨在更精确地替换目标人脸。
BlendShapes技术涉及基于模型的顶点变换，通过偏移模型A的顶点位置以适应模型B的姿势，形成混合模型。
视频处理与质量
在实际应用中，由于原始视频的稀有，大部分视频经过H2编码压缩，如高质量的c23和低质量的c40等级，这对伪造检测带来了额外的复杂性。
伪造检测
视频质量的不同对伪造检测技术提出了更高的要求，需要能有效识别和区分真实与伪造的面部细节，以对抗这些复杂的篡改手段。
