面向可解释深度伪造检测的视频数据集 ExDDV
计算机视觉与模式识别
2025-11-26 v2 人工智能
计算与语言
机器学习
多媒体
摘要
随着生成视频的真实性和质量不断提升，人类更难辨别深度伪造内容，必须更多依赖自动深度伪造检测器。然而，深度伪造检测器也容易出错，其决策缺乏可解释性，使人类易受深度伪造欺诈和虚假信息的威胁。为此，我们引入 ExDDV，这是第一个用于可解释深度伪造检测的数据集和基准。ExDDV 包含约 5400 份真实与深度伪造视频，手动标注有文本描述（解释人工特征）和点击标记（指示人工特征）。我们在 ExDDV 上评估了多个视觉语言模型，进行各种微调和情境学习实验。结果表明，文本和点击监督信号都需要才能开发出针对深度伪造视频的稳健可解释模型，这些模型能够局部化并描述观察到的人工特征。我们提供的新数据集和可复现结果的代码已发布于 https://github.com/vladhondru25/ExDDV。
引用
@article{arxiv.2503.14421,
title = {ExDDV: A New Dataset for Explainable Deepfake Detection in Video},
author = {Vlad Hondru and Eduard Hogea and Darian Onchis and Radu Tudor Ionescu},
journal= {arXiv preprint arXiv:2503.14421},
year = {2025}
}
备注
Accepted at WACV 2026