DeepfakeUCL: Detecção de Deepfake via Aprendizado Contrastivo Não Supervisionado

A detecção de deepfake facial tem apresentado resultados impressionantes recentemente. Quase todas as técnicas de aprendizado profundo existentes para detecção de deepfake facial são totalmente supervisionadas e requerem rótulos durante o treinamento. Neste artigo, projetamos um novo método de detecção de deepfake via aprendizado contrastivo não supervisionado. Primeiro, geramos duas versões transformadas diferentes de uma imagem e as alimentamos em duas sub-redes sequenciais, ou seja, um codificador e uma cabeça de projeção. O treinamento não supervisionado é alcançado maximizando o grau de correspondência das saídas da cabeça de projeção. Para avaliar o desempenho de detecção do nosso método não supervisionado, usamos ainda as características não supervisionadas para treinar uma rede de classificação linear eficiente. Experimentos extensivos mostram que nosso método de aprendizado não supervisionado permite desempenho de detecção comparável às técnicas supervisionadas de ponta, tanto em configurações intra- quanto inter-conjuntos. Também realizamos estudos de ablação para nosso método.