对抗数字篡改图像：深度伪造检测

随着深度伪造技术生成超逼真的篡改图像和视频，这对公众和相关机构构成了重大挑战。本研究提出了一种基于改进视觉变换器（ViT）模型的鲁棒深度伪造检测方法，用于区分真实图像与深度伪造图像。该模型在 OpenForensics 数据集的子集上进行了训练，并采用了多种增强技术以提高对多样化图像操作的鲁棒性。通过过采样和分层方式划分训练-验证集来处理类别不平衡问题。使用准确度指标在训练集和测试集上评估性能，随后对随机人物图像进行预测评分（无论其真实性如何）。该模型在测试数据集上展现出最先进的结果，能够精确地检测深度伪造图像。