Self-supervised Learning of Adversarial Example: Towards Good Generalizations for Deepfake Detection
一、研究背景将Deepfake检测器用于不可见的伪造手段仍比较困难。先有提升检测器泛化性能的思路有两种,但都有缺陷:合成伪造数据:能合成的伪造类型比较有限。提取共有特征:共有特征对预处理步骤敏感,在不同数据集中呈现较大差异。二、研究动机泛化性好的表征应该对多种类型的伪造都很敏感。三、研究目标通过合成对抗性数据来提升深度伪造检测器的泛化性能:1.利用伪造配置池合成伪造数据来增加伪造的“多样性”。(配