《表3 Deepfake跨压缩率实验结果》
为了验证噪音流的有效性,本文测试只有RGB单流和双流框架下在不同压缩率下的性能对比,为了避免重复,选取Deepfakes数据集作为测试集。由于C0参数是视频的Raw格式,没经过任何压缩,在网络上很少见,因此采用C0参数训练的模型不具有泛化能力,而C23参数压缩的高清视频较为常见。采用C23参数压缩的视频训练的模型,如果能检测较高压缩率的假视频,则此模型能对抗一定的压缩。因此本实验使用Deepfakes的C23压缩版本训练,然后在C40版本测试。表3为模型跨压缩率(C40)实验结果。从表3中可以看出,在同样的主干网络下,增加噪音流能够明显提升模型在跨压缩数据集上的性能。鉴于此,本文后续实验均在双流网络框架下进行。
图表编号 | XD00139441300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 李旭嵘、于鲲 |
绘制单位 | 阿里巴巴、阿里巴巴 |
更多格式 | 高清、无水印(增值服务) |