面向AI生成人脸伪造的双分支CNN检测器
计算机视觉与模式识别
2025-10-29 v1
摘要
生成式AI的快速发展使得能够创建高度逼真的伪造人脸图像成为可能，这对AI安全、数字媒体完整性以及公众信任构成了重大威胁。人脸伪造技术，包括人脸置换、属性编辑以及强大的扩散图像合成，正日益被用于散布虚假信息、身份欺诈和诽谤等恶意目的。这一不断增长的挑战凸显了迫切需要鲁健且通用的人脸伪造检测方法作为AI安全基础设施的关键组件。本文提出一种新型双分支卷积神经网络，用于人脸伪造检测，利用空间域和频率域的互补线索。RGB 分支捕获语义信息，而频率分支专注于难以被生成模型抑制的高频伪影。我们引入通道注意力模块，以自适应方式融合这些异构特征，凸显最具判别力的伪造特征。为引导网络的学习过程，我们设计了统一的损失函数 FSC Loss，将焦点损失、监督对比损失和频率中心边际损失组合，以增强类别可分性和鲁健性。我们在 DiFF 基准上评估了我们的模型，该基准包括由四种代表性方法生成的伪造图像：文本到图像、图像到图像、人脸置换和人脸编辑。我们的模型在所有类别中均实现了强大的性能，超越了人类平均水平。这些结果表明了该模型的有效性及其在保护AI生态系统免受视觉伪造攻击方面的潜在贡献。
引用
@article{arxiv.2510.24640,
title = {A Dual-Branch CNN for Robust Detection of AI-Generated Facial Forgeries},
author = {Xin Zhang and Yuqi Song and Fei Zuo},
journal= {arXiv preprint arXiv:2510.24640},
year = {2025}
}