真实、虚假和合成的面孔 - 硬币有三面吗？
原文中文，约300字，阅读约需1分钟。发表于：。通过分析真实深度伪造和合成面部图像，我们探索了趋势和模式，发现深度学习模型更容易检测合成面部图像，ViT Patch-16 模型在这个任务中表现最佳，敏感性、特异性、精确度和准确度分别为 97.37％，98.69％，97.48％和 98.25％。这个分析可以帮助我们构建更好的面部图像生成算法，并证明合成、深度伪造和真实脸部图像确实是三个不同的类别。
合成数据作为真实数据的替代品，用于解决处理真实面部数据的伦理和法律挑战。研究发现，合成面部识别数据集与真实数据集的多样性相似，生成模型的训练数据分布会影响合成数据的分布。比较基于合成数据和真实数据的面部识别模型，在属性上存在具体偏差。然而，较低的内部一致性有助于减少偏差。
