FakeRadar：探测未知深度伪造视频的伪造离群点方法
计算机视觉与模式识别
2025-12-17 v1 人工智能
摘要
本文提出了 FakeRadar，一个新颖的深度伪造视频检测框架，旨在解决现实场景中跨域泛化的挑战。现有检测方法通常依赖操控特定线索，在已知伪造类型上表现良好，但对新兴操控技术存在严重局限。这种差异的泛化能力差源于其无法有效适应未见操控模式。为此，我们利用大规模预训练模型（如 CLIP）主动探寻特征空间，显式突出显示实视频、已知伪造和未见操控之间的分布性差异。具体而言，FakeRadar 引入伪造离群点探测，该方法采用动态子簇建模和簇条件离群点生成，合成靠近估计子簇边界的离群样本，模拟超出已知操控类型的新颖伪造制造 artifact。此外，我们设计了离群点引导的三训练法，通过提出的离群点驱动对比学习和离群条件交叉熵损失，优化检测器以区分实视频、伪造视频和离群样本。实验表明，FakeRadar 在各种基准数据集上优于现有方法，尤其在跨域评估中表现突出，能够处理各种新兴操控技术的变种。
引用
@article{arxiv.2512.14601,
title = {FakeRadar: Probing Forgery Outliers to Detect Unknown Deepfake Videos},
author = {Zhaolun Li and Jichang Li and Yinqi Cai and Junye Chen and Xiaonan Luo and Guanbin Li and Rushi Lan},
journal= {arXiv preprint arXiv:2512.14601},
year = {2025}
}