CIPHER：基于表示的假冒图像模式高级检查
计算机视觉与模式识别
2026-04-01 v1 人工智能
摘要
生成对抗网络（GANs）和扩散模型的快速进展使得合成人脸图像日益难以与真实图像区分。这种进展也放大了虚假信息、欺诈和身份滥用的风险，凸显了迫切需要跨越 diverse 生成模型保持鲁健性的检测器。本文我们介绍了 Counterfeit Image Pattern High-level Examination via Representation（CIPHER），一个系统性地重用和微调用于图像生成的判别器的深度伪造检测框架。通过从 ProGAN 判别器中提取比例自适应特征和从扩散模型中提取时序一致性特征，CIPHER 捕获了常规检测器常忽视的生成无关性残留特征。通过跨越九个最先进生成模型的大量实验，CIPHER 在跨模型检测性能方面表现突出，在 F1 分数上最高可达 74.33%，在 F1 分数上超过现有基于 ViT 的检测器超过 30%。值得注意的是，我们的方法在挑战性数据集上保持鲁健性能，CIFAKE 上 F1 分数最高可达 88%，而常规检测器接近零。这些结果验证了判别器重用和跨模型微调的有效性，确立了 CIPHER 作为面向不断演化生成技术时代构建更通用和更鲁健深度伪造检测系统的有前景的方法。
引用
@article{arxiv.2603.29356,
title = {CIPHER: Counterfeit Image Pattern High-level Examination via Representation},
author = {Kyeonghun Kim and Youngung Han and Seoyoung Ju and Yeonju Jean and YooHyun Kim and Minseo Choi and SuYeon Lim and Kyungtae Park and Seungwoo Baek and Sieun Hyeon and Nam-Joon Kim and Hyuk-Jae Lee},
journal= {arXiv preprint arXiv:2603.29356},
year = {2026}
}
备注
6 pages, 2 figures. Accepted at IEEE-Asia 2025