【人脸伪造检测】Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in Frequency Domain

一、研究动机

[!note]

• 创新点：利用相位谱实现伪造检测，并且证明了卷积模型可以提取隐性特征。由于上采样是伪造模型的关键步骤，这篇论文通过相位信息检测上采样的伪影。

• 对比之前的频率模型：

  F3-Net：通过离散余弦变换后的统计特征实现伪造检测

二、检测模型

1. 可学习的知识点

[!tip]

• 上采样会导致新的频率分量出现
• 认为伪造图像的检测更注重的是低层次的特征（质感,颜色），与高级的语义特征关系较少（丢弃了卷积块来浅化网络）

2. 假设

[!note]

• 相位谱对于出现的上采样伪影更有敏感

3. 不同伪造算法的相位谱对比

4. 输入：4D图像，利用频域的重构相位谱空间域表示与原图连接作为图像的输入。

三、数据集和模型

• 数据集：FaceForensics++(FF++) ,Celeb-DF
• 评价指标：ACC, AUC
• 对比backbone：Xception