揭露人脸深度伪造：面向自然图像的鲁棒多视角检测框架
计算机视觉与模式识别
2025-10-20 v1
摘要
深度伪造技术近年来取得了显著进展，使其能够创建高度逼真的合成人脸图像。现有的深度伪造检测方法在面对姿态变化、遮挡以及难以检测的真实场景中的瑕疵时常常束力。为此，我们提出一种多视角架构，通过在多个层次分析人脸特征来增强深度伪造检测。我们的方案集成了三个专用编码器：用于检测边界不一致性的全局视角编码器、用于分析纹理和颜色对齐的中等视角编码器，以及用于捕捉表情人脸区域(如眼睛、鼻子和嘴巴)的失真的局部视角编码器。此外，我们引入面脸姿态编码器，训练用于分类人脸姿态，以确保在各种观察角度下的鲁棒检测。通过融合这些编码器的特征，我们的模型在面对具有挑战性姿态和光照条件的 manipulated 图像时表现出优异的检测效果。实验结果在具有挑战性的数据集上表明，我们的方法有效果，优于传统的单视角方法。
引用
@article{arxiv.2510.15576,
title = {Unmasking Facial DeepFakes: A Robust Multiview Detection Framework for Natural Images},
author = {Sami Belguesmia and Mohand Saïd Allili and Assia Hamadene},
journal= {arXiv preprint arXiv:2510.15576},
year = {2025}
}