LAA-X：统一的局部化伪影注意力用于质量无关且可泛化的人脸伪造检测
计算机视觉与模式识别
2026-04-07 v1
摘要
本文提出 Localized Artifact Attention X（LAA-X），一种新型深度伪造检测框架，既能鲁棒地应对高质量伪造，又能够泛化到未见过的操纵手段。现有方法通常依赖与隐式注意力机制耦合的二分类器，这些方法往往无法泛化到已知操纵手段之外。相比之下，LAA-X 引入了一种基于多任务学习框架结合基于融合的数据合成的显式注意力策略。辅助任务被设计用于引导模型关注局部化、伪影易发（即脆弱）区域。所提出的框架兼容 CNN 和 Transformer 骨干网络，分别产生两个不同版本，即 LAA-Net 和 LAA-Former。尽管仅使用真实和伪伪造样本进行训练，LAA-X 在多个基准测试上仍与最先进方法竞争。LAA-Net 和 LAA-Former 的代码和预训练权重已公开发布。
引用
@article{arxiv.2604.04086,
title = {LAA-X: Unified Localized Artifact Attention for Quality-Agnostic and Generalizable Face Forgery Detection},
author = {Dat Nguyen and Enjie Ghorbel and Anis Kacem and Marcella Astrid and Djamila Aouada},
journal= {arXiv preprint arXiv:2604.04086},
year = {2026}
}
备注
Journal version of LAA-Net (CVPR 2024)