【技术实现步骤摘要】
本专利技术涉及深度伪造检测领域，尤其涉及一种基于多粒度协同注意力机制的深度伪造检测方法。
技术介绍
1、随着生成对抗网络(gan)和扩散模型等生成式人工智能技术的快速发展，深度伪造(deepfake)技术能够生成高度逼真的虚假图像与视频内容，这对数字内容安全、司法取证、金融身份认证等领域构成了严重威胁。针对深度伪造的检测技术已成为计算机视觉与多媒体安全领域的研究热点，现有技术主要围绕特征提取与分类模型优化展开，并取得了一定进展。
2、在现有技术中，基于深度学习的检测方法主要采用以下技术路线：其一为频域分析方法，通过将图像转换至频域空间以捕捉合成内容的高频伪影特征，此类方法对早期伪造技术生成的明显伪影具有较高检测精度，但随着伪造技术的演进，生成内容的高频噪声逐渐接近真实图像分布，导致检测性能显著下降；其二为注意力机制增强方法，通过在卷积神经网络中嵌入通道或空间注意力模块，提升模型对伪造敏感区域的关注度，然而此类方法普遍采用全局平均池化压缩空间维度，导致注意力分布过度集中于面部中心区域，对发际边缘、皮肤纹理等分布式伪造线索的捕获...
【技术保护点】
1.一种基于多粒度协同注意力机制的深度伪造检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于多粒度协同注意力机制的深度伪造检测方法，其特征在于，所述S2中动态空间分组注意力计算包括：
3.根据权利要求1所述的基于多粒度协同注意力机制的深度伪造检测方法，其特征在于，所述S3中双路径通道解耦模块包括：
4.根据权利要求1所述的基于多粒度协同注意力机制的深度伪造检测方法，其特征在于，所述S4中跨粒度特征交互网络包括：
5.根据权利要求1所述的基于多粒度协同注意力机制的深度伪造检测方法，其特征在于，所述S5中分类...
【技术特征摘要】
1.一种基于多粒度协同注意力机制的深度伪造检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于多粒度协同注意力机制的深度伪造检测方法，其特征在于，所述s2中动态空间分组注意力计算包括：
3.根据权利要求1所述的基于多粒度协同注意力机制的深度伪造检测方法，其特征在于，所述s3中双路径通道解耦模块包括：
4.根据权利要求1所述的基于多粒度协同注意力机制的深度伪造检测方法，其特征在于，所述s4中跨粒度特征交互网络包括：
5.根据权利要求1所述的基于多粒度协同注意力机制的深度伪造检测方法，其特征在于，所述s5中分...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。