基于脉搏衍生特征的轻量级可解释深度伪造检测框架DeepPD
《IEEE Open Journal of the Computer Society》:DeepPD: Deepfake Detection through Pulse-Derived Features
【字体:
大
中
小
】
时间:2026年10月22日
来源:IEEE Open Journal of the Computer Society 6.0
编辑推荐:
摘要:随着面部操纵技术的进步,能够生成难以与真实内容区分的高逼真合成视频,深度伪造检测变得日益具有挑战性。通过脉搏衍生生物特征线索捕获的生理不一致性,为基于外观的检测提供了一种有前景且可解释的替代方案。本研究提出了 DeepPD(基于脉搏衍生特征的面部伪造检测),这是一个轻
摘要:
随着面部操纵技术的进步,能够生成难以与真实内容区分的高逼真合成视频,深度伪造检测变得日益具有挑战性。通过脉搏衍生生物特征线索捕获的生理不一致性,为基于外观的检测提供了一种有前景且可解释的替代方案。本研究提出了 DeepPD(基于脉搏衍生特征的面部伪造检测),这是一个轻量级且可解释的框架,利用远程光电容积脉搏波描记法(rPPG)从多个面部区域提取脉搏信号,包括额头以及浅表动脉最明显的左侧和右侧脸颊区域。随后,从提取的脉搏信号中衍生出基于相关性、峰值一致性和强度相关的特征,以捕获在真实视频中保持连贯但在操纵视频中经常被破坏的生理关系。这些特征被用于训练轻量级 XGBoost 分类器,并采用 SHapley 加性解释(SHAP)分析来增强模型的可解释性,提供关于特征贡献的见解。在 FaceForensics++ 数据集上的实验评估表明,DeepPD 达到了 94.83% 的准确率、96.90% 的 F1 分数和 98.38% 的 ROC-AUC。此外,所提出的框架表现出强大的计算效率,仅需要 1.55 MB 的模型并实现毫秒级推理,使其适用于资源受限环境下的实时部署。结果表明,生理特征表示为计算密集型深度学习方案提供了一种有效、计算高效且可解释的替代方案,突显了 DeepPD 在可靠深度伪造检测方面的潜力。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号