跨模态互补性

探究自监督表征在音视频深度伪造检测中的作用

Investigating Self-Supervised Representations for Audio-Visual Deepfake Detection

系统评测了音频、视频、多模态三类自监督特征在音视频深度伪造检测中的表现，并给出「音频引导表征泛化最好」的结论，可直接作为视觉研究者挑选伪造检测骨干特征、以及设计跨模态互补融合时的选型依据。