《表3 代表性方法在主要测试集上的性能评估(续)》
前述研究工作在提出的同时,大多在开源数据集上进行了评测,本文将主流的深度伪造检测算法在公开数据集上的检测表现总结见表3.所有数据均由论文的实验整理而得,大多数是深度伪造视频检测的工作.其中,主要评估指标有准确率(Acc)、ROC曲线面积(AUC)、等错误率(EER);Raw、HQ、LQ分别代表原生态、高清和低清;DF/F2F/FS/NT分别是FF+中4种篡改类型的缩写.
图表编号 | XD00207328600 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 李旭嵘、纪守领、吴春明、刘振广、邓水光、程鹏、杨珉、孔祥维 |
绘制单位 | 浙江大学计算机科学与技术学院、阿里巴巴、浙江大学计算机科学与技术学院、浙江大学计算机科学与技术学院、之江实验室、浙江工商大学计算机与信息工程学院、浙江大学计算机科学与技术学院、浙江大学控制科学与工程学院、复旦大学计算机科学技术学院、浙江大学管理学院 |
更多格式 | 高清、无水印(增值服务) |