Tag · 16 篇
深度伪造检测
一站式AI生成视频检测方案
Your One-Stop Solution for AI-Generated Video Detection
为视觉研究者提供了一个覆盖31个最新生成模型、44万视频的AI生成视频检测基准，可直接用于评测或训练检测器，并给出8项分析与4个新发现，帮助定位现有检测器在语义多样性与技术代表性上的失效模式。
X-AVDT：面向鲁棒深度伪造检测的音视频交叉注意力
X-AVDT: Audio-Visual Cross-Attention for Robust Deepfake Detection
把生成器内部的音视频交叉注意力当作取证线索：用 DDIM 反演取回生成过程中的模态对齐特征与反演差异图，作为检测器输入，这一思路可迁移到其他「利用生成模型内部表征做取证/溯源」的视觉任务。
释放视觉语言语义用于深度伪造视频检测
Unleashing Vision-Language Semantics for Deepfake Video Detection
利用预训练VLM的跨模态语义作为深度伪造检测的判别线索，并通过身份先验文本提示增强语义特异性，为视频伪造检测提供可复用的语义增强思路。
导师-学生强化学习：面向鲁棒深度伪造检测的动态课程
Tutor-Student Reinforcement Learning: A Dynamic Curriculum for Robust Deepfake Detection
将深度伪造检测的训练过程建模为马尔可夫决策过程，用PPO智能体根据样本的视觉特征和历史学习动态（EMA损失、遗忘次数）动态分配损失权重，这种基于强化学习的动态课程策略可迁移到其他需要鲁棒泛化的视觉任务中。
TriDF：面向可解释深度伪造检测的感知、检测与幻觉评测基准
TriDF: Evaluating Perception, Detection, and Hallucination for Interpretable DeepFake Detection
把「感知证据定位—分类检测—解释可靠性」三者放进同一评测框架，并给出人工标注的细粒度伪造证据，可直接用于诊断多模态大模型在伪造检测中「看对了才判对」的因果链，也为设计带证据输出的检测器提供监督信号与评价协议。
像素不会说谎（但你的检测器可能会）：自举多模态大语言模型作为评判器以实现可信的深度伪造检测与推理监督
Pixels Don't Lie (But Your Detector Might): Bootstrapping MLLM-as-a-Judge for Trustworthy Deepfake Detection and Reasoning Supervision
提出以多模态大语言模型作为评判器（MLLM-as-a-Judge），通过自举生成-评估过程将人类反馈扩展为结构化推理监督，可用于评估和提升深度伪造检测模型推理的视觉证据忠实性，为可解释的伪造检测提供可扩展的监督信号。
无需伪造先验的伪造感知唇部表征学习
Learning Forgery-Aware Lip Representations Without Forgery Priors
提出仅用真实数据训练的伪造检测范式：用非对称对比目标把真实样本压紧、把潜在伪造推远，并用各向同性高斯正则约束真实表征空间，可直接迁移到其他「无伪造先验」的深度伪造检测与开放集异常识别任务。
面向深度伪造定位的不一致性感知多模态薛定谔桥
Inconsistency-aware Multimodal Schrodinger Bridge for Deepfake Localization
把薛定谔桥当作无需显式加噪去噪的一致性度量与跨模态信息选择器，用一致性统计非对称分配桥步数，可迁移到任何需要抑制单侧噪声的多模态时序定位任务。
DeepfakeImpact：一个具有现实世界影响力的两阶段深度伪造检测基准
DeepfakeImpact: A Two-Stage Benchmark with Real-World Impact in Deepfake Detection
提出社会误判影响（SMI）指标，将误分类视频的社会危害纳入评估，为视觉检测模型提供超越准确率的伦理感知评测框架，可复用于其他安全敏感检测任务。
解耦偏置、对齐分布：面向深度伪造检测的协同公平性优化
Decoupling Bias, Aligning Distributions: Synergistic Fairness Optimization for Deepfake Detection
在模型架构层面解耦对人口统计属性敏感的通道、在特征层面对齐整体分布与各群体分布，这套「结构解耦+分布对齐」的双机制可直接迁移到人脸属性识别、人脸验证等易受群体偏置影响的视觉任务中，在不牺牲精度的情况下提升群体公平性。
DFD-HR：通过层级路由学习实现可泛化的深度伪造检测
DFD-HR: Generalizable Deepfake Detection via Hierarchical Routing Learning
把 PEFT 从「少调参数」推进到「调对参数」：层级的自适应早退剪枝加词元级 Spearman 排序筛选，可直接迁移到任何基于 CLIP 的伪造/异常检测或细粒度分类任务中，作为提升跨域泛化的通用微调策略。
CoCoVideo：面向AI生成视频检测的基于商用模型的高质量对比基准
CoCoVideo: The High-Quality Commercial-Model-Based Contrastive Benchmark for AI-Generated Video Detection
提供了基于13个商用生成器的语义对齐真假视频对，可用于训练和评测高保真AIGC视频检测器；其「R3D-18时空特征+置信度门控路由到MLLM推理物理合理性」的框架，为在视觉检测中引入多模态大模型推理提供了可复用的设计范式。
超越[CLS]词元：查询驱动的词元级伪造净化用于可泛化深度伪造检测
Beyond [CLS] Token: Query-Driven Token-Level Forgery Purification for Generalizable Deepfake Detection
针对ViT基础模型在深度伪造检测中[CLS]词元偏向全局语义的问题，提出可学习的查询词元聚合多图像块证据，并设计伪造似然对比损失与真实注意力对齐约束，为利用视觉基础模型做细粒度取证提供了可复用的词元级特征重组方案。
All in One：以鲁棒关键点-身份水印统一深度伪造检测、篡改定位与来源溯源
All in One: Unifying Deepfake Detection, Tampering Localization, and Source Tracing with a Robust Landmark-Identity Watermark
把 152 维人脸关键点与来源标识交织成结构化水印，并用回归/分类双头解码器从共享骨干特征中稳健恢复，为视觉取证提供了一种可同时完成检测、定位与溯源的主动式嵌入-提取范式。
Agent4FaceForgery：面向真实场景人脸伪造检测的多智能体大语言模型框架
Agent4FaceForgery: Multi-Agent LLM Framework for Realistic Face Forgery Detection
用 LLM 多智能体在模拟社交环境中合成带细粒度文本-图像一致性标注的伪造数据，并用自适应拒绝采样保证质量与多样性，可直接作为深度伪造检测器的训练数据增强管线复用。
真实世界中多域内人脸伪造检测的合理性检验
A Sanity Check for Multi-In-Domain Face Forgery Detection in the Real World
针对多域人脸伪造检测中域差异主导特征空间的问题，提出模型无关的两阶段框架 DevDet，通过 Face Forgery Developer 放大真伪差异并结合 Dose-Adaptive 微调策略，使检测器在域未指定条件下仍能做出单帧独立判断，为真实场景下的深度伪造检测提供了可复用的训练范式。