अप्रकट पहचान संचालित डीपफेक फेस स्वैपिंग पहचान

इस पेपर में, हम चेहरे की पहचान के दृष्टिकोण से फेस स्वैपिंग पहचान पर विचार करते हैं। फेस स्वैपिंग का उद्देश्य लक्ष्य चेहरे को स्रोत चेहरे से बदलना है और ऐसा नकली चेहरा उत्पन्न करना है जिसे मानव असली और नकली के बीच अंतर नहीं कर सकता। हम तर्क करते हैं कि नकली चेहरे में स्पष्ट पहचान और अप्रकट पहचान होती है, जो क्रमशः फेस स्वैपिंग के दौरान स्रोत चेहरे और लक्ष्य चेहरे की पहचान से संबंधित हैं। ध्यान दें कि चेहरों की स्पष्ट पहचान को नियमित चेहरे पहचान करने वालों द्वारा निकाला जा सकता है। विशेष रूप से, असली चेहरे की अप्रकट पहचान इसकी स्पष्ट पहचान के साथ संगत होती है। इसलिए, चेहरे की स्पष्ट और अप्रकट पहचान के बीच का अंतर फेस स्वैपिंग पहचान में सहायक होता है। इस विचार के तहत, हम फेस स्वैपिंग पहचान के लिए एक नवोन्मेषी अप्रकट पहचान संचालित फ्रेमवर्क का प्रस्ताव करते हैं। विशेष रूप से, हम एक स्पष्ट पहचान विरोधाभास (EIC) हानि और एक अप्रकट पहचान अन्वेषण (IIE) हानि को डिजाइन करते हैं, जो एक CNN बैकबोन को चेहरे की छवियों को अप्रकट पहचान स्थान में एम्बेड करने के लिए पर्यवेक्षण करता है। EIC के मार्गदर्शन में, असली नमूने अपनी स्पष्ट पहचान के नजदीक खींचे जाते हैं, जबकि नकली नमूने अपनी स्पष्ट पहचान से दूर धकेले जाते हैं। इसके अलावा, IIE मार्जिन-आधारित वर्गीकरण हानि कार्यफल से निकाली जाती है, जो ज्ञात लक्षित पहचानों के साथ नकली चेहरों को अंतर्वर्गीय संकुचन और अंतरवर्गीय विविधता का आनंद लेने के लिए प्रोत्साहित करती है। कई डेटासेट पर व्यापक परीक्षण और दृश्यात्मकता हमारे तरीके की सामान्यीकरण को राज्य-कलात्मक समकक्षों के खिलाफ प्रदर्शित करती है।