面向多维人脸假象检测的层次化深度融合框架——2024 全球深度伪造图像检测挑战赛
计算机视觉与模式识别
2025-09-17 v1 人工智能
摘要
高级深度伪造技术的不断涌现对数字安全和真实性提出了重大挑战。检测这些伪造信息，尤其是要跨越广泛的操纵技术 spectrum，要求具备鲁棒且普适的检测模型。本文介绍了一种基于层次化深度融合框架（HDFF）的人脸假象检测方法，这是一种用于高性能人脸假象检测的集成式深度学习架构。我们的框架集成了四个不同预训练的子模型：Swin-MLP、CoAtNet、EfficientNetV2 和 DaViT，这些模型经过多阶段精调处理，针对 MultiFFDI 数据集进行训练。通过拼接来自这些专门模型的特征表示并训练最终分类器层，HDFF 有效地发挥了这些模型的集体优势。该方法在赛事私有榜单上获得最终得分为 0.96852，排名第 20 位（共 184 支队伍），证明了层次化融合在复杂图像分类任务中的有效性。
引用
@article{arxiv.2509.13107,
title = {Hierarchical Deep Fusion Framework for Multi-dimensional Facial Forgery Detection -- The 2024 Global Deepfake Image Detection Challenge},
author = {Kohou Wang and Huan Hu and Xiang Liu and Zezhou Chen and Ping Chen and Zhaoxiang Liu and Shiguo Lian},
journal= {arXiv preprint arXiv:2509.13107},
year = {2025}
}
备注
The 2024 Global Deepfake Image Detection Challenge Top20 Reward, 5 pages