LAKAN：面向人脸 forgery 检测的以 landmarks 为辅的自适应 Kolmogorov-Arnold 网络

深度伪造生成技术的快速发展 necessitates robust face forgery detection algorithms。虽然基于卷积神经网络 (CNN) 和 Transformer 的方法有效，但在建模伪造痕迹的高度复杂非线性本质方面仍有提升空间。为此，我们提出一种基于 Kolmogorov-Arnold 网络 (KAN) 的新型检测方法。通过将固定激活函数替换为可学习的样条函数，KAN-based 方法更适用于此挑战。此外，为引导网络聚焦于关键面部区域，我们引入 Landmark-assisted Adaptive Kolmogorov-Arnold Network (LAKAN) 模块。该模块将面部 landmarks 作为结构先验，用于动态生成 KAN 的内部参数，创建可引导通用图像编码器聚焦于具有伪造痕迹的最信息性面部区域的实例特定信号。此核心创新在几何先验与网络学习过程之间创建了强大的组合。在多个公开数据集上的大量实验表明，我们提出的方法性能卓越。