由进行多种尺度卷积的多尺度fcn模块和lstm模块组成,多尺度fcn模块对时间序列曲线多种粒度的几何空间特征进行充分地提取,lstm模块用于学习序列值随时间变化的特征,两个模块输出的特征向量经一层神经元进行拼接和学习,转换为分类结果。
我们利用这些特征训练了一个轻量级的 XGBoost,以对 deepfake 和真实视频进行分类。我们在包含所有类型的 deepfake 的世界领导者数据集 (WLDR) 上评估了我们框架的性能。实验结果表明,与同类 deepfake 检测方法相比,所提出的框架具有更出色的检测性能。将我们的框架与深度学习模型候选模型 LSTM-FCN 进行性能比较,结果...