从面部生物特征异常中检测深度伪造说话人脸
Detecting Deepfake Talking Heads from Facial Biometric Anomalies
AI总结：
针对深度伪造视频冒充带来的欺诈与虚假信息问题，提出一种利用面部生物特征非自然模式的取证机器学习检测技术，并在大型数据集上验证了其对视频洗白的鲁棒性与对未知生成器的泛化能力。
摘要：
结合高度逼真的语音克隆，以及视觉上引人注目的化身、换脸或口型同步深度伪造视频生成技术，使得制作任何人说出任何话的视频变得相对容易。如今，此类深度伪造冒充行为常被用于实施欺诈、诈骗和政治虚假信息。我们提出了一种新颖的取证机器学习技术，用于检测深度伪造视频冒充行为，该技术利用了面部生物特征中的非自然模式。我们在包含多种深度伪造技术和冒充行为的大型数据集上对该技术进行了评估，并评估了其对视频洗白的可靠性，以及其对先前未见过的视频深度伪造生成器的泛化能力。
英文摘要：
The combination of highly realistic voice cloning, along with visually compelling avatar, face-swap, or lip-sync deepfake video generation, makes it relatively easy to create a video of anyone saying anything. Today, such deepfake impersonations are often used to power frauds, scams, and political disinformation. We propose a novel forensic machine learning technique for the detection of deepfake video impersonations that leverages unnatural patterns in facial biometrics. We evaluate this technique across a large dataset of deepfake techniques and impersonations, as well as assess its reliability to video laundering and its generalization to previously unseen video deepfake generators.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
