基于双层证据收集的开放集面部伪造检测
计算机视觉与模式识别
2026-05-19 v2
摘要
面部伪造的激增日益削弱对在线内容真实性的信心。随着生成算法的快速演进，新的假冒类别将不断涌现，严重挑战现有的面部伪造检测方法。虽然近期的面部伪造检测技术取得了进展，但当前技术仍主要局限于二元的 Real-vs-Fake 分类或对已知伪造类别的识别。此外，它们无法识别全新的伪造方法的出现。本文研究了开放集面部伪造检测（OSFFD）问题，即需要检测模型识别新型伪造类别的能力。为增强其实际应用性，我们对 OSFFD 问题进行了重新表述，并通过不确定性估计来解决。具体而言，我们提出了双层证据的人脸伪造检测（DLED）方法，通过在空间和频率水平上提取并整合类别特定的证据来估计预测不确定性。进行了在多种设置下的全面实验，证明我们提出的 DLED 方法实现了最先进的性能。值得注意的是，在识别来自新型伪造类别的伪造信息时，我们的 DLED 方法平均性能超过各种现有基线模型高出约 20%。同时，我们的 DLED 方法在标准的二元 Real-vs-Fake 人脸伪造检测任务上也表现出具竞争力的性能。
引用
@article{arxiv.2512.04331,
title = {Open Set Face Forgery Detection via Dual-Level Evidence Collection},
author = {Zhongyi Cai and Bryce Gernon and Wentao Bao and Yifan Li and Matthew Wright and Yu Kong},
journal= {arXiv preprint arXiv:2512.04331},
year = {2026}
}
备注
Accepted at IEEE FG 2026