近日，碩士研究生李漢哲在機(jī)器學(xué)習(xí)頂會(huì)NeurIPS上發(fā)表論文《FreqBlender: Enhancing DeepFake Detection by Blending Frequency Knowledge》。該論文作者為李漢哲（碩士研究生）、周佳然、李岳尊（指導(dǎo)老師，通訊作者）、吳保元、李斌和董軍宇教授。NeurIPS（神經(jīng)信息處理系統(tǒng)大會(huì)，全稱 Neural Information Processing Systems）是機(jī)器學(xué)習(xí)和人工智能領(lǐng)域的頂級(jí)國際會(huì)議之一，本屆NeurIPS于12月份在加拿大溫哥華市舉行，論文錄用率為25.8%。

論文提出了一種名為FreqBlender的新方法，通過融合特定頻率知識(shí)生成偽假臉，以提升檢測泛化性。研究首先分析了真實(shí)場景中DeepFake人臉的主要頻率成分，并提出了一種頻率解析網(wǎng)絡(luò)（Frequency Parsing Network），用于自適應(yīng)地分割與偽造痕跡相關(guān)的頻率成分。隨后，將DeepFake人臉中篡改痕跡對(duì)應(yīng)的頻率信息融合到真實(shí)臉中，生成偽假臉。由于頻率成分缺乏Ground Truth，論文設(shè)計(jì)了一種特殊的訓(xùn)練策略，利用不同頻率知識(shí)之間的內(nèi)部關(guān)聯(lián)來指導(dǎo)學(xué)習(xí)過程。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效增強(qiáng)DeepFake檢測能力，并具有作為其他方法即插即用策略的潛力。