Lightweight Deepfake Detection Based on Multi-Feature Fusion

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了一种高效轻量级的深伪造检测方法,针对身份盗用和虚假信息风险。通过融合HOG、LBP和KAZE特征,结合多种机器学习分类器,在FaceForensics++和Celeb-DFv2数据集上分别达到了92%和96%的准确率,显著提升了检测性能。

🎯

关键要点

  • 本研究提出了一种高效且轻量级的深伪造检测方法,旨在应对身份盗用和虚假信息的风险。

  • 该方法融合了HOG、LBP和KAZE特征,结合多种机器学习分类器。

  • 在FaceForensics++和Celeb-DFv2数据集上,检测准确率分别达到了92%和96%。

  • 研究显著提升了深伪造检测的性能,适用于计算资源有限的设备。

🏷️

标签

➡️

继续阅读