Alpha 混合假设：深度伪造检测中的合成捷径
计算机视觉与模式识别
2026-05-12 v1
摘要
近期的深度伪造检测方法在跨数据集泛化性方面表现出改进，然而其背后的机制仍未得到充分探索。我们提出了 Alpha 混合假设，认为领先的基于帧的方法的检测器主要功能是作为 alpha 混合搜索器；而不是学习语义异常或特定的生成性神经网络指纹，它们局部化由将操纵人脸整合到目标帧中引入的低层次合成痕迹。我们实验验证了这一假设，表明深度伪造检测器对所谓的自混合图像 (SBI) 和非生成性操作具有高度灵敏度。我们提出了方法 BlenD，该方法利用大规模、多样化的仅真实人脸图像数据集增强 SBI。该方法在2019年至2025年发布的15个组成深度伪造数据集上实现了最佳的平均跨数据集泛化性能，训练期间未使用显式生成的深度伪造。此外，我们展示了显式混合搜索器和对混合捷径鲁棒的模型的预测在 ensemble 配置下高度互补，达到 94.0% 的 SOTA AUROC。代码及实验和训练好的模型将公开发布。
引用
@article{arxiv.2605.10334,
title = {The Alpha Blending Hypothesis: Compositing Shortcut in Deepfake Detection},
author = {Andrii Yermakov and Jan Cech and Mario Fritz and Jiri Matas},
journal= {arXiv preprint arXiv:2605.10334},
year = {2026}
}