xceptionnet_gan_detector

XceptionNet fine-tuned en FaceForensics++ clasifica frames como reales o sintéticos (generados por GAN/deepfake). Complementa al clasificador FaceForensics++ principal con un segundo modelo de diferente arquitectura para mayor robustez.

When to use

Usar como segundo clasificador anti-deepfake en el liveness_agent. Ejecutar en paralelo con FaceForensics++ classifier para ensemble voting. Especialmente útil contra face swaps y reenactment.

Instructions

1. Descargar pesos pre-entrenados de XceptionNet en FaceForensics++.
2. Exportar a ONNX: torch.onnx.export(model, dummy_input, 'xceptionnet_ff.onnx').
3. Input: face crop de 299x299 normalizado a [-1, 1].
4. Output: [real_prob, fake_prob] — usar fake_prob como score de deepfake.
5. Umbral: fake_prob > 0.6 marca como sospechoso de deepfake.
6. Ensemble con FaceForensics++ classifier: final_score = 0.5 * xception_score + 0.5 * ff_score.
7. Registrar ambos scores individuales en auditoría para análisis posterior.

Notes

• XceptionNet tiene ~23M parámetros; latencia ~80ms en GPU.
• EfficientNet-B4 es alternativa más ligera si el hardware es limitado.
• Re-entrenar periódicamente con nuevos ejemplos de deepfakes para mantener la eficacia.