该文章调查了深度伪造技术的算法及检测方法，并讨论了相关挑战、研究方向与发展趋势。
Sep, 2019
本综述分析了视觉媒体完整性验证的方法，着重于探讨深度伪造现象和现代数据驱动的法医分析方法，以揭示现有取证工具的限制、相关问题、挑战和未来研究方向。
Jan, 2020
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
本文简要介绍了图像处理、深度伪造技术以及用于检测这些技术的方法和数据集。
May, 2022
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
通过综述现有的deepfake生成和检测技术，本文分析了基于深度学习的deepfake创建方法和检测技术，并讨论了当前的deepfake检测方法的局限性和挑战，以及未来的研究方向，强调了对deepfake检测技术持续研究和发展的重要性，以应对deepfake对社会的负面影响，并确保数字视觉媒体的完整性。
Sep, 2023
通过对深度伪造检测方法的综述研究，本论文提供了面向人脸为中心的深度伪造技术的分类、检测方法的演化以及适应新的生成模型的挑战，并探索了提高深度伪造检测器的可靠性和稳健性的方向。
Jun, 2024
这篇综述论文讨论了Deepfake技术的方法和应用，包括面部操纵、深度学习、伪造检测技术和虚假图像的识别。
通过综述深假视频生成与检测，强调需要有效的对抗措施应对潜在滥用。提供当前深假生成技术的综合概述，包括人脸交换、再现和音频驱动动画等。此外，分析了各种不同的检测方法，从视觉痕迹到跨视频和音频信号的不一致性。检测方法的有效性严重依赖于用于训练和评估的多样性和质量数据集。强调需要不断研究合作、评估指标标准化和创建全面基准。
Jul, 2024
本研究旨在解决深度伪造技术带来的个人隐私和国家安全威胁，提出有效的面部伪造检测方法。论文综述了基于深度学习的最新面部伪造检测方法，分析了现有方法的局限性，并探讨了未来的研究方向，以提高检测性能和泛化能力。
Sep, 2024