rFaceNet:通过身份特定的面部轮廓提取增强生理信号的端到端网络
原文中文,约300字,阅读约需1分钟。发表于: 。介绍了一种名为 rFaceNet 的高级 rPPG 方法,通过整合特定身份的脸部轮廓信息和消除冗余数据,通过时间压缩单元(TCU)高效地从输入视频帧中提取面部轮廓,并使用跨任务特征组合器(CTFC)将模型关注点导向相关的面部区域,提高了 rFaceNet 提取到的面部生理信号的质量和可解释性,同时在各种心率估计基准测试中表现出卓越的性能。
本文介绍了一种基于生理测量的新型DeepFake检测框架,利用远程光电测量心率方法分析视频中与皮肤颜色变化相关的信息,以更好地检测DeepFake视频。该框架在Celeb-DF和DFDC数据库上达到了98%以上的AUC,证明了其成功检测最新的DeepFake视频。