Exploring Frequency Attention Learning and Contrastive Learning for Face Forgery Detection

计算机科学 概化理论 判别式 人工智能 频域 面子(社会学概念) 机器学习 班级(哲学) 模式识别(心理学) 特征学习 特征向量 特征(语言学) 熵(时间箭头) 语音识别 计算机视觉 统计 物理 哲学 社会学 量子力学 语言学 社会科学 数学
作者
Neng Fang,Bo Xiao,Bo Wang,Chong Li,Lanxiang Zhou
出处
期刊:Lecture Notes in Computer Science [Springer Science+Business Media]
卷期号:: 238-251
标识
DOI:10.1007/978-981-99-8469-5_19
摘要

Face forgery detection has become a critical security concern due to advances in manipulation techniques. Most methods look for forged clues from the spatial or vanilla frequency domain, leading to serious over-fitting. In this paper, we propose a Frequency Attention Module (FAM) that enhances model generalizability in face forgery detection. We theoretically demonstrate the feasibility of frequency attention learning, which allows the network to automatically refine subtle but discriminative forged features and suppress irrelevant components in the frequency domain without complex manual partitions. Besides, considering that commonly-used cross-entropy loss neglects the intra-class compactness, we design the DeepFake Contrastive Loss (DFCL) to decrease intra-class variances for real faces and enlarge inter-class differences in the feature space. Extensive experiments show that our method significantly outperforms SoTA methods on widely-used benchmarks.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Bonlin完成签到,获得积分10
1秒前
doomedQL完成签到,获得积分10
2秒前
燕子完成签到 ,获得积分10
2秒前
2秒前
啦啦啦完成签到,获得积分10
2秒前
小白完成签到,获得积分10
3秒前
吴秋阳完成签到 ,获得积分10
3秒前
王老师完成签到 ,获得积分10
3秒前
skycool完成签到,获得积分10
4秒前
lujianqi发布了新的文献求助150
5秒前
晓风完成签到,获得积分0
6秒前
congyang完成签到,获得积分20
6秒前
淇淇完成签到 ,获得积分10
7秒前
平常的朝雪完成签到 ,获得积分10
7秒前
bigger.b完成签到,获得积分0
7秒前
lolo完成签到,获得积分10
7秒前
FR完成签到,获得积分10
7秒前
小芒果发布了新的文献求助10
7秒前
kobe完成签到 ,获得积分10
7秒前
5999完成签到 ,获得积分10
8秒前
6666666完成签到,获得积分10
8秒前
3475完成签到,获得积分10
8秒前
Firsterchao的应助被科研通管家采纳,获得10
8秒前
cdercder的应助被科研通管家采纳,获得10
8秒前
Hello的应助被科研通管家采纳,获得10
8秒前
吃人陈完成签到,获得积分10
8秒前
鱼鱼完成签到,获得积分10
8秒前
小二郎的应助被科研通管家采纳,获得10
8秒前
落寞万仇完成签到,获得积分10
8秒前
乐乐笑语的应助被科研通管家采纳,获得10
8秒前
小黑马完成签到,获得积分10
8秒前
桐桐的应助被科研通管家采纳,获得10
9秒前
粼望步完成签到,获得积分10
9秒前
9秒前
cdercder的应助被科研通管家采纳,获得10
9秒前
秒速五厘米完成签到,获得积分0
11秒前
称心小松鼠完成签到,获得积分10
12秒前
晨曦完成签到 ,获得积分10
12秒前
Aoia完成签到,获得积分10
12秒前
just do it完成签到,获得积分10
13秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
Social Psychology in the Real World 600
八旗制度の研究 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8180111
求助须知:如何正确求助?哪些是违规求助? 9570235
关于积分的说明 21809065
捐赠科研通 7776183
什么是DOI,文献DOI怎么找? 3433262
关于科研通互助平台的介绍 2557463
邀请新用户注册赠送积分活动 2479038