【SeeABLE】SeeABLE: Soft Discrepancies and Bounded Contrastive Learning for Exposing Deepfakes

最新推荐文章于 2025-11-23 17:56:55 发布

jessIoss

最新推荐文章于 2025-11-23 17:56:55 发布

阅读量11

点赞数

CC 4.0 BY-SA版权

分类专栏：论文阅读笔记DeepFake 文章标签：深度学习人工智能计算机视觉

本文链接：https://blog.youkuaiyun.com/sinat_39223177/article/details/154502643

论文阅读笔记DeepFake 专栏收录该内容

92 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

文章目录

SeeABLE: Soft Discrepancies and Bounded Contrastive Learning for Exposing Deepfakes
摘要
介绍
贡献
相关工作
方法
实验
- 性能评估
- 消融实验
定性分析

SeeABLE: Soft Discrepancies and Bounded Contrastive Learning for Exposing Deepfakes

会议/期刊：ICCV 2023
作者：
在这里插入图片描述
code：https://github.com/anonymous-author-sub/seeable

摘要

同数据集训练测试现代深度伪造检测器效果已经很好。

当这些检测器应用于使用未知的deepfakegeneration技术产生的图像时，通常会观察到相当大的性能下降。【unseen 泛化性差】

我们提出了一种新的deepfake检测器，称为SeeABLE，它将检测问题形式化为（一类）分布外检测任务，并更好地推广到看不见的deepfake。

SeeABLE首先生成局部图像扰动（称为软差异），然后使用一种新的基于回归的有界对比度损失将扰动的面部推向预定义的原型。

为了增强SeeABLE对未知deepfake类型的泛化性能，我们生成了一组丰富

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

jessIoss

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

订阅专栏

【UniForensics 】UniForensics: Face Forgery Detection via General Facial Representation

人生不是轨道，是旷野。希望每天都有好心情。

11-06

Deepfakes的兴起大大提高了人们对数字媒体隐私和真实性的关注，使人们对人脸伪造检测产生了广泛的关注。【背景】以前的Deepfake检测方法大多依赖于易受扰动的低级纹理特征无法检测出不可见的伪造方法。【之前的工作】相比之下，高级语义特征不太容易受到扰动，并且不限于伪造特定伪影，因此具有更强的泛化能力。【point】受此启发，我们提出了一种利用人脸的高级语义特征来识别时间域中不一致的检测方法。我们引入了，这是一种新型的深度伪造检测框架，它利用基于transformer的视频分类网络，

我的VC++ RPG游戏紫日2037源代码开放

热门推荐

Bill Hsu

05-10

1万+

我刚学游戏编程时写的程序，对初学者可能有用，希望大家喜欢 :-)执行文件下载：http://www.cppblog.com/Files/billhsu/2037.rar源代码下载：http://www.cppblog.com/Files/billhsu/Source_2037.rar/*********************紫日2037 RPG 游戏合肥八中许仕鹏

参与评论您还未登录，请先登录后发表或查看评论

2022河南联赛第（二）场：河南理工大学 ---复盘

ZZU_LGY

08-23

227

【代码】2022河南联赛第（二）场：河南理工大学 ---复盘。

Java技巧:用Java获得IP地址

wxl3105的专栏

11-24

555

如何用Java获得一个域名的IP地址呢？提供这个功能的类叫做java.net.InetAddress。我们假设现在有这样一个域名，它用一个静态的getByName来重新获得一个InetAddress，然后得到可以读出的IP地址。下面的代码是非常基本的命令行。　　import java.net.InetAddress; 　　import java.net.UnknownHostExcept

rayban 3211|new era cap|paper lanterns|What an Organized Home Can Do For You_2062

zt7626bqw221的专栏

10-04

317

What an Organized Home Can Do For You What an Organized Home Can Do For YouFamily Articles | apr 28,rayban 3211, 2009<br />Lacquire the obvious and not so obvious goodnesss of an organized home. Find out one of the amend home organization likewisel

使用指定显卡

wtyttdy的博客

06-28

398

Run->edit configurations environment variebles …点最后的edit name：CUDA_VISIBLE_DEVICES value：5（指定的空闲显卡）

5 reasons should not waste time researching knowledge graph

xipingpi0868的博客

06-01

904

Authors: Dr Dongsheng Wang and Dr Hongyin Zhu Figure 1. Knowledge Graph Visualization Example (From Web) Knowledge Graph (KG) is used to organize knowledge as a graph with triple knowledge, i.e., entities (nodes) and relations (edges). KG has been one

Little_Women4.txt

m0_47456600的博客

08-21

2127

MEG This note, prettily written on scented paper, was a great contrast to the next, which was scribbled on a big sheet of thin foreign paper, ornamented with blots and all manner of flourishes and curly-tailed letters. My precious Marmee: Three cheers for

Quotes Collection

CodingIsFun

11-06

384

Our daily lives are so mundane, we get taken over by what is immediately in front of us and we don't see beyond that. Benedict Cumberbatch From <https://www.brainyquote.com/authors/benedict-cumb...

如何用 Python matplotlib 绘制论文风格的花括号标注

m0_50889143的博客

06-09

919

int_line_num=1 if direction=='up' else 2, # 根据方向调整文本行数。使用真实花括号（curlyBrace）替代简易路径，在轴坐标中绘制。k_r=k_r, # 减小k_r以获得更自然的曲线比例。# 绘制“Nearest neighbors”括号（剩余列）图中绘制一个带注释的花括号。方法，并对坐标做了封装，便于直接使用在子图网格上方。# 创建透明的覆盖轴，方便统一绘制在所有图像上方。参数修改：简化转换过程，直接使用轴坐标。实现真实弯曲的花括号，并展示其在。

Traceback (most recent call last): File "I:\bishe\pythonProject\seeable.py", line 67, in <module> model = UNet() File "I:\bishe\pythonProject\seeable.py", line 28, in UNet merge5 = concatenate([conv3, up5], axis=3) File "I:\bishe\pythonProject\venv\lib\site-packages\keras\layers\merging\concatenate.py", line 231, in concatenate return Concatenate(axis=axis, **kwargs)(inputs) File "I:\bishe\pythonProject\venv\lib\site-packages\keras\utils\traceback_utils.py", line 70, in error_handler raise e.with_traceback(filtered_tb) from None File "I:\bishe\pythonProject\venv\lib\site-packages\keras\layers\merging\concatenate.py", line 131, in build raise ValueError(err_msg) ValueError: A `Concatenate` layer requires inputs with matching shapes except for the concatenation axis. Received: input_shape=[(None, 125, 100, 256), (None, 250, 200, 256)] 报错，解释

05-29

这是一个 Python 代码的错误信息。这个错误的原因是 `Concatenate` 层需要具有相同形状的输入，除了在拼接轴上。但是，你的代码中，`Concatenate` 层的输入形状不匹配。具体地说，你传递了两个张量给 `Concatenate` ...

Traceback (most recent call last): File "I:\bishe\pythonProject\seeable.py", line 80, in <module> model = unet() File "I:\bishe\pythonProject\seeable.py", line 68, in unet model = Model(input=inputs, output=conv1) File "I:\bishe\pythonProject\venv\lib\site-packages\tensorflow\python\trackable\base.py", line 205, in _method_wrapper result = method(self, *args, **kwargs) File "I:\bishe\pythonProject\venv\lib\site-packages\keras\utils\traceback_utils.py", line 70, in error_handler raise e.with_traceback(filtered_tb) from None File "I:\bishe\pythonProject\venv\lib\site-packages\keras\utils\generic_utils.py", line 1269, in validate_kwargs raise TypeError(error_message, kwarg) TypeError: ('Keyword argument not understood:', 'input') 报错，解释

05-29

这是一个 Python 的 Traceback 错误信息，看起来是在使用 Keras 深度学习框架时出现了问题。根据错误信息，是因为在定义模型时使用了一个不被支持的关键字参数 "input"，导致 Keras 抛出了 TypeError 异常。...

美联储“鹰派信号脉冲“下黄金价格下跌60美元——基于LSTM-GARCH模型的波动率聚类与跨市场风险传导机制

11-20

1096

本文通过机器学习驱动的时序预测模型，结合自然语言处理技术解析美联储会议纪要文本，分析黄金价格在4132美元的动态回撤60美元机制，重点考察货币政策信号、市场情绪指标与宏观经济数据的交互影响。

Week 26: 深度学习补遗：LSTM 原理与代码复现

最新发布

MCHacker的专栏

11-23

714

本周对 LSTM模型利用PyTorch进行了复现，将其实现与数学形式进行了逐条对应，清晰、重点地理解门控机制与细胞状态与其在时序场景下的应用。在 2017 年 Transformer 架构（Attention 机制）横空出世之前，LSTM 曾是序列建模（NLP、语音、时序）的绝对王者。而在 2025 年的今天，它不再是唯一的 SOTA，但依然是非常棒的轻量级选择。本周阅读了一些时序预测领域的工作，发现LSTM在时序预测领域仍然相当活跃，在本周对LSTM进行了数学原理的复习、代码的简单复现和其应用场景的分析。

【Python TensorFlow】CNN-BiLSTM时序预测卷积神经网络-双向长短期记忆神经网络组合模型（附代码）

vvoennvv的博客

11-19

487

本文提出了一种结合CNN与BiLSTM的混合神经网络模型（CNN-BiLSTM）用于多特征时序预测。该模型通过一维卷积提取局部时间特征，双向LSTM捕获长期依赖关系，实现了多步预测能力。算法流程包括数据预处理、网络构建（含卷积层、池化层、双向LSTM层）、模型训练（采用Adam优化器和MSE损失函数）及评估。实验采用电力负荷或风电场功率数据，通过滑动窗口构造样本并进行归一化处理，支持多输入多步预测。代码提供详细注释，可直接替换CSV/Excel数据集运行，包含完整的训练测试集划分和评估流程。

深度学习理论与实战：用生活案例理解回归模型

2501_92613722的博客

11-20

933

本文通过生活化案例通俗讲解四种基础机器学习模型：线性回归（预测连续值，如身高体重）、多项式回归（拟合曲线数据，如学习时间与分数）、Logistic回归（二分类问题，如水果分类）以及梯度下降优化算法。文章强调从生活场景理解核心逻辑：画直线拟合数据、添加高次项使直线弯曲、绘制分界线区分类别，并通过代码示例展示模型训练过程。建议读者先运行线性回归代码观察误差变化，再逐步尝试更复杂模型，重点在于建立直观理解而非死记公式。

李沐动手学深度学习笔记（2）---卷积神经网络

2301_80484013的博客

11-23

794

定义：是 PyTorch 所有神经网络层、模型的基类（base class）。所有的网络层（Linear、Conv2d、RNN等）以及你自己写的自定义网络，都必须继承它。特点：举例： Block（块，结构单元）定义： Block 并不是 PyTorch 中的一个正式类名，而是我们在设计网络时人为定义的中间层次结构。它是由若干组成的一个子结构。用途：举例（ResNet 残差块）： Sequential（顺序容器）定义：是的一种特殊子类，用来按顺序堆叠层，让代码更简洁。特点：

更换适配python版本直接进行机器学习深度学习等相关环境配置(非仿真环境)

qq_42217078的博客

11-23

207

2301_78372746的博客

11-22

622

交通标志识别系统，本项目基于TensorFlow框架，构建了一套完整的交通标志识别系统。系统采用卷积神经网络（CNN）算法，针对40种常见交通标志（包括“停车避让”“减速让行”“限速15千米”“注意行人”“禁止左转弯”等）构建数据集，通过多轮迭代训练，最终获得高精度识别模型，并实现了基于Web的可视化操作平台。前端后端：Django算法：TensorFlow、卷积神经网络算法具体功能系统分为管理员和用户两个角色，登录后根据角色显示其可访问的页面模块。