嘴唇说谎：识别唇同步 DeepFakes 中音频和视觉之间的时间不一致
原文中文，约400字，阅读约需1分钟。发表于：。我们提出了一种新颖的方法，通过利用嘴唇运动和音频信号之间的不一致性，以及模拟嘴唇和头部区域之间的生物联系来进行唇诈骗识别，实验证明我们的方法在发现唇同步视频方面的平均准确率超过 95.3％，明显优于基准方法。这项研究在现实世界场景中取得了高达 90.2％的准确率，并显示了其在真实场景部署方面的强大功能。
StyleLipSync是一种基于风格的个性化唇形同步视频生成模型，可以从任意音频生成与身份无关的唇形同步视频。该模型通过引入姿态感知掩蔽和少量样本的唇形同步适应方法，生成准确的唇形同步视频，并增强个人特定的视觉信息。实验证明，该模型在零样本设置下也能增强看不见的面部特征。
