Recap：通过恢复人脸与映射恢复人脸检测具有不可预测篡改痕迹的 Deepfake 视频

将 Deepfake 技术用于恶意目的已引发了对 Deepfake 检测的大量研究兴趣。Deepfake 篡改常引入随机篡改痕迹，导致不同面部区域出现不可预测的结果。然而，现有检测方法严重依赖特定的伪造指示符，且随着伪造模式改进，这些痕迹愈发随机化，致使依赖特定伪造痕迹的方法检测性能下降。为应对该局限，我们提出 Recap，一种新颖的 Deepfake 检测模型，它通过恢复人脸并映射恢复人脸来暴露非特定面部部位不一致性，并放大真实与伪造之间的差异。在恢复阶段，模型聚焦于随机掩码感兴趣区域（ROIs）并重建无不可预测篡改痕迹的真实人脸，从而对真实人脸获得较好恢复效果，对伪造人脸恢复效果较差。在映射阶段，恢复阶段的输出作为监督来引导面部映射过程。该映射过程策略性地强调对恢复较差的伪造人脸的映射，使其表示进一步恶化，同时增强并精炼表示良好的真实人脸的映射。因此，该方法显著放大了真实与伪造视频间的差异。我们在标准基准上的大量实验表明，Recap 在多种场景下均有效。