连续伪造媒体检测：将深假检测器调整到新的生成技术

Jun, 2024

连续伪造媒体检测：将深假检测器调整到新的生成技术

Continuous fake media detection: adapting deepfake detectors to new generative techniques

Francesco Tassone, Luca Maiano, Irene Amerini

TL;DR我们提出了两种连续学习技术对短序列和长序列的伪媒体进行分析，结果显示连续学习方法可以与最有前途的检测方法相结合，实现对最新生成技术的追赶。此外，我们还提出了如何将这种学习方法整合到深度伪造检测管道中进行持续集成和持续部署，以保持检测器的不断维护。

Abstract

generative techniques continue to evolve at an impressively high rate, driven by the hype about these technologies. This rapid advancement severely limits the application of deepfake detectors, which, despite num

generative techniques deepfake detectors continual learning sequence deepfake detection pipeline

发现论文，激发创造

使用蒸馏进行连续表示的虚假媒体泛化检测

本论文研究人工智能的连续学习及其在神经网络领域的应用，提出了 Continual Representation using Distillation (CoReD) 方法，以增加数据效率并对抗深度伪造技术进行序列领域适应任务的新深伪和生成对抗网络合成人脸数据集，取得了比当前的基准方法更好的实验结果。

Jul, 2021

利用深度学习方法进行深度伪造检测：综述

本论文旨在探讨不同的方法学以实现具有更高准确度的低成本模型，以检测 Deepfake，并解决数据集的泛化问题。

Apr, 2023

Deepfakes 生成和检测：现状、挑战、对策和发展方向

本文综述了现有工具和基于机器学习的方法，用于深度伪造（Deepfake）的生成和检测，并讨论了目前的公共数据集和对技术进行性能评估的关键标准，强调了未来研究的方向。

Feb, 2021

深度学习方法检测深度伪造内容综述

本文通过深度学习方法，系统地回顾了近年来深度伪造内容识别的研究，并报告了对于未解决的深伪造检测问题和不足之处的未来方向。

Feb, 2022

增量学习用于 GAN 生成图像的检测与分类

该研究探讨了在计算机视觉和深度学习领域中，对抗生成网络（GAN）所生成的图像识别与分类中的持续性学习问题，并提出了一种基于增量学习的方法来解决这个问题。通过实验和数据集，该方法的正确性得到了验证。