《表3 图像级别检测方法结果对比》

  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

《智能人脸伪造与检测综述》

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

本文在表3和表4中分别汇总了上述图像级伪造检测方法和视频级伪造检测方法的实验结果。因为伪造人脸方法多种多样并且检测方法利用的信息不同，所以许多方法的实验使用了不同的数据集。此外，不同检测方法的评价指标也有差异，如分类准确度（Acc.）、ROC曲线下与坐标轴围成的面积（AUC）、错误率（ERR）等。因此难以直接比较各方法之间的优劣。但实验结果仍然可以展现一些规律。第一，近年来，基于深度学习的人脸伪造检测方法性能相比于传统的检测方法有所提升。事实上，正如前文所说，改进网络结构是一种有效的提升检测效果的途径。因此本文认为使用拥有更强学习能力的深度网络结构可以有效地提升检测效果。第二，利用伪造图像或视频特性进行检测一直是该领域研究的重要方向。而这一研究方向在基于深度学习的方法中也得以保留并取得了优异的效果。最近的一些取得最优效果的方法中也利用了这些特性，如频域信息和生物信息。这说明先验知识对于人脸伪造检测有着重要意义。更全面深入的人脸伪造图像和视频分析并充分利用相关特性将有益于人脸伪造检测效果。第三，相对于图像级伪造检测，视频级的检测方法往往能取得更好的效果。因为视频级的检测方法不仅提取了多幅图像中的视觉信息（帧内信息），也利用了这些视觉信息的时序关系等（帧间信息）。同时，在实际应用中，伪造视频所产生的威胁也大于伪造图像的威胁，因此进一步探索视频级的检测方法十分重要。