文章目录
- DFDT: An End-to-End DeepFake Detection Framework Using Vision Transformer
- key points
- 贡献
- 方法
-
- 补丁提取和嵌入
- 基于注意力的补丁选择
- 多流transformer块
- 多尺度分类器
- 实验
DFDT: An End-to-End DeepFake Detection Framework Using Vision Transformer
会议/期刊：Appl. Sci 2022
作者：
key points
cnn在学习局部判别信息方面表现良好，但由于接受域的限制，它们无法学习相对空间特征并丢失重要信息。【前提】
提出了DFDT，一种端到端深度伪造检测框架，利用transformer模型的独特特性，从不同伪造尺度下的局部图像特征和像素的全局关系中学习隐藏的扰动痕迹。【多尺度+局部and全局特征】
包括四个主要部分:补丁提取和嵌入，多流transformer块，基于注意力的补丁选择，多尺度分类器。
不同的深度假生成技术针对不同的面部区域的比例和区域进行操作。
【成功识别伪造像素，以可扩展的
