本文提出了一种将人脸图像分解为 3D 几何形状、贴图和光照的计算机视图，使用人脸细节结合直接光和身份贴图来检测微妙的篡改模式并实现了最先进的性能表现。

Nov, 2020

这篇论文提出了一种新的框架，学习如何从身体表面预测人体解剖结构，并生成合成的 X 射线图像，从而克服医学领域中训练数据障碍，同时该框架也可用于图像修复和异常检测。

May, 2018

本文提出了一种新的端到端的框架 Contrastive Multi-FaceForensics (COMICS)，通过双粒度对比学习方法，在多脸伪造检测方面取得了显著的性能提升，并显示了与其他对手方法相比较大的潜力，适用于多种架构。

Aug, 2023

本文对当前合成图像生成和处理技术的发展进行了探讨，并提出了一个基于 DeepFakes，Face2Face，FaceSwap 和 NeuralTextures 的面部操作检测基准，包括超过 180 万个操纵图像的数据库，并通过数据驱动型假冒检测器的详尽分析证明了使用额外领域特定知识的方法能够显著提高假冒检测的准确性。

Jan, 2019

本篇论文通过「分离」视觉信息的方法，提出了一种有效解决深度超假的问题的框架，着重考虑了针对具体伪造方法（网络结构、训练数据等）的「过拟合」问题以及如何发现「通用伪造特征」作为泛化的基础。

Apr, 2023

本研究提出了一种基于真实对话视频的假脸检测技术，通过跨模态自监督学习得到时序稠密视频表示，鼓励假脸检测器基于面部运动、表情和身份等因素做出真 / 假决策，并在交叉操作泛化和鲁棒性实验中取得了最先进的表现。

Jan, 2022

本文介绍了一种新的关键伪造挖掘（CFM）框架，其中包含多种骨干，在提高它们的泛化性能和鲁棒性能方面拥有灵活性，以此解决面对脸部伪造检测的问题。通过实例和局部相似性感知损失，细粒度三元组和增强数据，精细关系学习原型，以及新颖的渐进式学习控制器，该方法在各种挑战性的评估设置下具有最先进的伪造检测性能。

Apr, 2023

本研究提出了一个新的框架，专门针对多脸伪造检测，填补了当前研究中的重要空白。该框架主要包括两个模块：（一）面部关系学习模块，为图像中的每个面生成可区分的局部特征；（二）全局特征聚合模块，利用全局和局部信息之间的相互约束来提高伪造检测的准确性。我们在两个公开的多脸伪造数据集上的实验结果表明，所提出的方法在多脸伪造检测场景中达到了最先进的性能。

Oct, 2023

利用决策导向攻击和频率线索，我们提出了一种新的人脸伪造攻击方法，具有高查询效率和保证图像质量，在 FaceForensics++、CelebDF 和工业 API 上实现了攻击性能的最新突破，同时揭示了人脸伪造检测器的安全问题。

Oct, 2023

通过借鉴 X 射线扫描的深度揭示能力，我们引入了一种创新的 3D 生成方法 X-Ray，它采用了一种新的序列表示方法，精确捕捉了物体的外部和内部特征。我们的方法的核心是利用源自相机视图的光线投射技术，详细记录了所有相交表面上遇到的几何和纹理细节。这个过程可以将完整的物体或场景高效地压缩成一个多帧格式，就像视频一样。这种结构确保了 3D 表示仅由关键表面信息组成。通过展示 X-Ray 表示法在合成 3D 物体方面的实用性和适应性，我们展示了类似于视频扩散模型中使用的网络架构的效用。结果表明，我们的表示法在提高 3D 合成的准确性和效率方面表现出优异性能，为该领域的持续研究和实际应用开辟了新的方向。

Apr, 2024