MS-UFAD

新的DAF-Net方法利用文本伪造线索增强人脸攻击检测

研究人员开发了一种新的方法来检测复杂的人脸攻击，方法是将伪造线索的细粒度文本描述纳入分析。该方法建立在大型MS-UFAD数据集的基础上，该数据集已通过详细的文本注释进行了增强。提出的双对齐伪造网络（DAF-Net）有效地利用了这些文本信息，从而产生了更具泛化性和语义意义的伪造图像表示。实验表明，DAF-Net在性能上优于现有的仅视觉方法和依赖于不太详细描述的方法。