基于GradGR多源特征融合的面部伪造检测方法
韩栋宇1
郭婷2
杨高明1
朱鹏1
宋一帆1
1.安徽理工大学 计算机科学与工程学院,安徽 淮南 2320012.安徽理工大学 安全科学与工程学院,安徽 淮南 232001
摘要：针对当前的面部伪造检测方法在特定伪造操作上表现良好,但其跨数据集泛化能力存在明显不足的问题,提出了基于图像梯度引导重建(image gradient-guided reconstruction,GradGR)的面部伪造检测模型.该模型在图像重建主干的基础上,构建了辅助的梯度重建分支.通过特征传递机制,该分支的中间特征被用来引导主干网络聚焦于梯度所揭示的伪造区域.此外,GradGR模型中还包含了多源特征融合(multi-source feature fusion,MSFF)模块.该模块通过整合编解码器中间特征与双路重建差异,有效加强了跨层级特征的交互,并显著提升了特征融合的效率.结果表明,GradGR模型不仅在数据集内均达到了最优水平,还在跨数据集上较极端初始(extreme inception,Xception)模型的平均准确率提升了 3.22%.该模型为面部伪造检测提供了新的研究思路.
关键词：面部伪造检测深度学习计算机视觉图像重建学习图像梯度多源特征融合
分类号：TP391.4(计算技术、计算机技术)TP18(自动化基础理论)TP309(计算技术、计算机技术)
资助基金：国家自然科学基金(52374155)安徽自然科学基金项目(2308085MF218)安徽高等学校科学研究项目(2022AH040113)安徽理工大学医学专项培育项目(YZ2023H2B007)福建医疗大数据工程重点实验室开放基金项目(KLKF202302)安徽理工大学研究生创新基金项目(2024CX2116)
论文发表日期：2025-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 217-223,258 )
英文信息