اكتشاف ديب فيكس عبر الأجيال: تحليل المناطق الوجهية، الدمج، وتقييم الأداء

لقد جذبت علوم الوسائط اهتماماً هائلاً في السنوات الأخيرة، جزئيًا بسبب القلق المتزايد حول ديب فيكس. منذ إصدار قواعد بيانات ديب فيكس من الجيل الأول مثل UADFV وFaceForensics++ وصولًا إلى أحدث قواعد بيانات الجيل الثاني مثل Celeb-DF وDFDC، تم إجراء العديد من التحسينات البصرية، مما جعل مقاطع الفيديو المزيفة شبه غير قابلة للاكتشاف بالعين البشرية. تقدم هذه الدراسة تحليلًا متعمقًا لكل من جيل ديب فيكس الأول والثاني من حيث أداء كشف التزييف. يتم اعتبار طريقتين مختلفتين في إطارنا التجريبي: (i) الطريقة التقليدية المتبعة في الأدبيات استنادًا إلى اختيار الوجه بالكامل كمدخل لنظام كشف التزييف، و(ii) نهج مبتكر قائم على اختيار مناطق وجهية محددة كمدخل لنظام كشف التزييف. يتم تطبيق تقنيات الدمج على كل من المناطق الوجهية وأيضًا على ثلاثة أنظمة متطورة لكشف التزييف (Xception، شبكة الكبسولة، وDSP-FWA) لزيادة قوة الكاشفات المعنية. أخيرًا، يتم إجراء تجارب بشأن سيناريوهات داخلية وبين قواعد البيانات. من بين جميع النتائج الناتجة عن تجاربنا، نبرز: (i) النتائج الجيدة جدًا التي تم تحقيقها باستخدام المناطق الوجهية وتقنيات الدمج مع نتائج كشف التزييف فوق 99٪ لمنطقة تحت المنحنى (AUC) لقواعد بيانات UADFV وFaceForensics++ وCeleb-DF v2، و(ii) الحاجة إلى بذل المزيد من الجهود في تحليل سيناريوهات بين قواعد البيانات لتحسين قدرة كاشفات التزييف ضد الهجمات غير المرئية خلال التعلم.