基于双监督的面部伪造检测细粒度 DINO 调优
计算机视觉与模式识别
2025-11-18 v1
摘要
高级 deepfake 的不断涌现对信息完整性构成重大威胁。虽然 DINOv2 在检测方面显示出前景，但现有的微调方法将其当作通用的二分类问题，忽视了不同 deepfake 方法固有的不同痕迹。为此，我们提出一种用于 DINOv2 的深度伪造细粒度适配器（DeepFake Fine-Grained Adapter，DFF-Adapter）。我们的方法将轻量级多头 LoRA 模块嵌入每个变换块中，实现对主干网络的高效适配。DFF-Adapter 同时解决身份验证检测和细粒度操纵类型分类的问题，其中对伪造方法的分类可增强痕迹灵敏度。我们引入一个共享分支，将细粒度操纵线索传递给身份验证头部。这一设计实现了多任务协同优化，显式地通过操纵特定知识来增强身份验证判别能力。仅使用 350 万可训练参数，我们的参数高效方法实现的检测准确率可与当前复杂的 SOTA 方法相当甚至更好。
引用
@article{arxiv.2511.12107,
title = {Fine-Grained DINO Tuning with Dual Supervision for Face Forgery Detection},
author = {Tianxiang Zhang and Peipeng Yu and Zhihua Xia and Longchen Dai and Xiaoyu Zhou and Hui Gao},
journal= {arXiv preprint arXiv:2511.12107},
year = {2025}
}
备注
Accepted by AAAI 2026