面向实际场景的多域人脸伪造检测的理智检查
计算机视觉与模式识别
2025-12-05 v1
摘要
现有深度伪造检测方法旨在开发可泛化的检测器。虽然“可泛化”是最终目标，但在有限的训练伪造样本和域数条件下，几乎不可能实现涵盖完全未见异变的泛化，尤其鉴于现实世界深度伪造的多样性。因此，在实际应用中，引入大规模多域数据进行训练是可行且重要的。然而，在多域场景中，多个域之间的差异而非细微的真实/伪造区别主导特征空间。结果是，尽管检测器能够在每个域内相对分离真实与伪造样本（即高AUC），但在域不可辨条件下进行单张图像的真实/伪造判断时仍感到困难（即低ACC）。本文首先定义了一种新研究范式，即多域内人脸伪造检测(MID-FFD)，该范式包含充足的真实-伪造域用于训练。随后，检测器应提供对域不可辨输入的明确真实/伪造判断，以模拟现实世界中逐帧独立检测的情境。与此同时，为解决域主导问题，我们提出一种模型无关框架DevDet（Developer for Detector），以放大真实/伪造差异，使其在特征空间中成为主导因素。DevDet包含一个人脸伪造开发者(FFDev)和剂量自适应检测器微调策略(DAFT)。实验表明，我们在MID-FFD场景下在预测真实/伪造方面优于其他方法，同时保持对未见数据的原始泛化能力。
引用
@article{arxiv.2512.04837,
title = {A Sanity Check for Multi-In-Domain Face Forgery Detection in the Real World},
author = {Jikang Cheng and Renye Yan and Zhiyuan Yan and Yaozhong Gan and Xueyi Zhang and Zhongyuan Wang and Wei Peng and Ling Liang},
journal= {arXiv preprint arXiv:2512.04837},
year = {2025}
}