让换脸无所遁形！南洋理工发布全球首个DeepFake篡改序列检测还原数据集｜ECCV 2022

【导读】 检测DeepFake不止二分类！南洋理工大学的研究人员建立并开源了全球首个 Seq-DeepFake数据集，将其拓展到检测篡改序列，并进一步提出SeqFakeFormer模型作为baseline。根据检测出的篡改序列，还可以逆序还原出原始人脸。

‍ 由于生成模型的快速发展，高保真度的人脸图片和视频可以非常容易地生成。但是恶意使用生成模型产生难辨真假的虚假人脸图片或者视频进而导致 虚假信息传播的现象 也逐渐引起了广泛关注，这就是越来越严重的DeepFake问题。

解决DeepFake问题最常见的方式是学习一个 二分类模型来进行真/假判别 。

现有基于二分类的DeepFake检测和本文提出的Seq-DeepFake的对比

但如今由于人脸编辑App的流行，我们可以非常方便地对人脸图片进行 多步序列DeepFake篡改 。比如对一张人脸图片，先后进行「添加眼镜-加入笑容-去掉胡须」的序列篡改。

为解决此类新型DeepFake问题，来自南洋理工大学的研究人员提出了 检测并还原DeepFake篡改序列（Seq-DeepFake）任务 。

论文链接: https://arxiv.org/pdf/2207.02204.pdf

GitHub: https://github.com/rshaojimmy/SeqDeepFake

项目主页: https://rshaojimmy.github.io/Projects/SeqDeepFake

相比于现有基于二分类 (真/假) 的 DeepFake 检测，Seq-DeepFake任务将其扩展为要求检测不同长度和顺序的篡改序列。