深度伪造合成与检测：一场不对等的竞赛
计算机视觉与模式识别
2026-02-10 v1
摘要
深度伪造技术的快速进步显著提升了合成媒体的真实感和可及性。新兴技术，如基于扩散的模型和神经辐射场，以及传统生成对抗网络的增强，都促进了深度伪造视频的复杂生成。与此同时，在Transformer架构、对比学习和其他机器学习方法创新的推动下，深度伪造检测方法也取得了显著进展。在本研究中，我们对最先进的深度伪造检测技术进行了全面的实证分析，包括针对尖端合成方法的人类评估实验。我们的发现突出了一个令人担忧的趋势：许多最先进的检测模型在面对现代合成技术产生的深度伪造时，表现出明显的性能不佳，包括人类参与者在面对最高质量的深度伪造时表现不佳。通过广泛的实验，我们提供的证据强调了持续改进检测模型以跟上深度伪造生成技术不断发展的能力的迫切需求。这项研究强调了当前检测方法与新一代技术复杂性之间的关键差距，呼吁在这一关键研究领域加大努力。
引用
@article{arxiv.2602.07986,
title = {Deepfake Synthesis vs. Detection: An Uneven Contest},
author = {Md. Tarek Hasan and Sanjay Saha and Shaojing Fan and Swakkhar Shatabda and Terence Sim},
journal= {arXiv preprint arXiv:2602.07986},
year = {2026}
}