Delocate：针对具有随机分布篡改痕迹的 Deepfake 视频的检测与定位

Deepfake 视频正变得日益逼真，在面部区域几乎不留篡改痕迹，且这些痕迹在帧间不断变化。因此，现有的 Deepfake 检测方法在准确检测并定位篡改区域的同时，难以检测未知领域的 Deepfake 视频。为解决这一局限性，我们提出了 Delocate，一种既能识别又能定位未知领域 Deepfake 视频的新型 Deepfake 检测模型。我们的方法包含恢复和定位两个阶段。在恢复阶段，模型随机掩蔽感兴趣区域（ROI）并重建无篡改痕迹的真实人脸，这使得真实人脸获得相对较好的恢复效果，而伪造人脸的恢复效果较差。在定位阶段，恢复阶段的输出和伪造真值掩码作为监督来指导伪造定位过程。该过程策略性地强调恢复效果较差的伪造人脸的恢复阶段，从而促进篡改区域的定位。我们在四个广泛使用的基准数据集上的大量实验表明，Delocate 不仅在定位篡改区域方面表现出色，还提升了跨领域检测性能。