TwinD 深度伪造检测泛化突破:AUROC 大幅领先现有检测器
Andrii Yermakov · hf · 2026-11-20
新检测器 TwinD 用「孪生样本」训练,同时覆盖两类深度伪造:换脸融合(blending)与整脸合成(entire face synthesis)。
- 训练方式:从真实帧出发构造两类孪生伪样本——自编码器重建配合 grid/noise 随机掩码的「reconstruction twin」,以及对比度/色相扰动、降采样后再放大等改动加 blob 掩码的「blob twin」;冻结的 PEcore L 骨干上加 LoRA 微调,成对图像用相同增广。
- 效果:在 5 个整脸合成数据集上平均 AUROC 达 95.6%(AIGC 检测器 73.8%、人脸 deepfake 检测器 78.1%);在 10 个融合数据集上达 98.1%(基线分别为 71.4% / 96.2%),显著优于既有检测器。
「研究」频道最新
- 团队称用 Codex 两个月搞定 35 个开放 Erdős 问题,含 Lean 验证 — IgorCarron · 2026-11-20
- ForgeSystem 论文提出按需定制软件的 AI 生产架构 — Div_pradeep · 2026-11-20
- Accord 开源:单相机加 IMU 实现在线稠密米制建图 — BE2R · 2026-11-20
- AltRA-Test:判断 LLM 能否替代人工标注只需约 100 条样本 — Technion · 2026-11-20
- 可视化单个人工神经元:加权求和加激活函数就这么点事 — TinfoilTricorn · 2026-11-20
- AI 全程设计验证出新 CPU 架构 Frostbite — shioyama · 2026-11-20