融合自监督辅助任务以特征融合提升深度伪造检测的通用潜力——Fusion-SSAT
计算机视觉与模式识别
2026-01-05 v1
摘要
本工作旨在发掘自监督学习作为辅助任务以优化深度伪造检测主任务的潜能。我们检验了不同训练方案的组合效果。我们的发现表明，融合自监督辅助任务的特征表示是解决该问题的强大特征表示。这种表示能够发挥自监督与主任务的最终潜力，并带来独特的特征表示，实现对主任务的更好性能。我们在大规模数据集上进行实验，包括DF40、FaceForensics++、Celeb-DF、DFD、FaceShifter、UADFV等。结果在跨数据集评估方面优于当前最先进的检测器。
引用
@article{arxiv.2601.00789,
title = {Fusion-SSAT: Unleashing the Potential of Self-supervised Auxiliary Task by Feature Fusion for Generalized Deepfake Detection},
author = {Shukesh Reddy and Srijan Das and Abhijit Das},
journal= {arXiv preprint arXiv:2601.00789},
year = {2026}
}