本文提出了第一种参数高效调节 deepfake 检测模型的方法 DeepFake-Adapter，该方法采用适配器模块从大型预训练 Vision Transformers 中提取高级语义，以有效且高效地帮助 deepfake 检测。通过在 MLP 层旁插入具有全局感知的 Englobed Adapters 和跨越 ViT 特征的局部感知的空间 Adapter，该方法可以将先前训练好的 Vision Transformers 的高级语义与本地和全局低级别伪造的 deepfake 数据的降噪信息相结合，从而提高 deepfake 的准确度和泛化能力。

Jun, 2023

该研究提出了一个名为DeepfakeBench的全面基准测试，旨在解决当前深度伪造检测领域中存在的数据处理流程，评估指标和方法缺乏统一标准的问题，从而促进该领域的进一步研究和发展。

Jul, 2023

该研究探索了预训练视觉-语言模型与先进适应方法相结合在通用深假检测中的有效性，结果表明，保留视觉和文本部分对于检测效果至关重要。通过提出的简单轻量级的Prompt Tuning适应策略，使用较少的训练数据（20万张图像，相较于72万张），在mAP和准确率上超过先前的方法5.01%和6.61%。在21个不同数据集的严格测试中，该模型展现了在包括基于GANs、基于Diffusion和商业工具生成的图像中的实际适用性。

Feb, 2024

通过在Foundation Models中加入富信息，利用了CLIP的图像编码器和Facial Component Guidance以提高Deepfake检测的鲁棒性和泛化性能。在跨数据集的评估中，我们的方法在识别未见过的Deepfake样本方面表现出卓越的有效性，并取得了显著的性能提升。

Apr, 2024

近年来，深度伪造技术的快速发展在降低伪造成本和提高质量的同时引发了关于侵犯个人权利、国家安全威胁和公共安全风险等紧迫问题。本文综述了基于Vision Transformer（ViT）的深度伪造检测模型，并将其分为独立的、顺序的和并行的架构。此外，它简明扼要地描绘了每个模型的结构和特点，通过分析现有研究和探讨未来发展方向，旨在为研究人员提供对ViT在深度伪造检测中关键作用的细致理解，为学术和实践领域提供有价值的参考。

May, 2024

通过跨模态学习方法的视听特征融合，我们提出了一种用于改进深假检测的两阶段方法，可以明确地捕捉音频和视觉模态之间的对应关系，并在真实和伪造视频上进行监督学习，取得了98.6%的准确率和99.1%的AUC，相较于当前的音视混合最先进技术，准确率和AUC分别提高了14.9%和9.9%。

Jun, 2024

本研究解决了AIGC检测中的深伪图像识别问题，尤其是利用CLIP模型的有效性。通过分析CLIP的检测特征，提出了C2P-CLIP方法，将类别公共提示融入文本编码器中，从而提升了图像编码器的检测性能，实现了12.41%的准确率提升，展示了创新的深伪检测能力及其广泛应用前景。

Aug, 2024

本文解决了深度伪造视频检测中的三个主要挑战，包括如何识别通用的时间伪影、平衡学习时空特征以及提高效率而不牺牲准确性。研究提出了视频级混合数据作为新的方法，并设计了轻量级的时空适配器，以有效地捕捉空间和时间特征。实验证明该方法能有效推广到未见过的伪造视频，并释放了相关代码与预训练权重。

Aug, 2024

本研究针对现有深度伪造检测方法在未见数据集和新兴生成模型上泛化能力不足的问题，提出了一种新颖的方法，利用视觉-语言模型（VLM）的零-shot优势，实现通用深度伪造检测。通过简单操控输入而不调整内部参数，本方法显著提高了跨数据集和跨操控的深度伪造检测性能，具有良好的实际应用潜力。

Sep, 2024

本研究解决了随着深度生成模型的进步，数字图像操纵及深度伪造检测的复杂性不断增加的问题。提出的Wavelet-CLIP框架结合小波变换和ViT-L/14架构特征，显著提升了对复杂深度伪造的检测能力。实验结果表明，该方法在跨数据集泛化和未见深度伪造检测上表现优异，展示了其在实际应用中的潜在影响。

Sep, 2024