增强异常识别：面向深度伪造检测的鲁棒准外分布策略
计算机视觉与模式识别
2025-06-04 v1
摘要
深度伪造检测已成为计算机视觉与人工智能领域的关键挑战。尽管检测技术取得了显著进展，但将其泛化至开放集场景仍是持续的难题。神经网络通常基于封闭世界假设进行训练，但随着新型生成模型的不断演进，必然会遇到训练分布之外的数据。为此，本文提出两种新的准外分布 (OOD) 检测方法。第一种方法旨在重建输入图像，第二种方法则引入注意力机制用于检测 OOD 样本。我们的实验表明，所提出的方法在已有最先进技术之外均取得有效成果。该方法在深度伪造检测任务上取得有希望的成绩，并在基准测试中名列前茅，展示了其在动态真实场景中实现稳健、可适应解决方案的潜力。
引用
@article{arxiv.2506.02857,
title = {Enhancing Abnormality Identification: Robust Out-of-Distribution Strategies for Deepfake Detection},
author = {Luca Maiano and Fabrizio Casadei and Irene Amerini},
journal= {arXiv preprint arXiv:2506.02857},
year = {2025}
}