《表3 Deepfake跨压缩率实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于双流网络的Deepfakes检测技术》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。