PulseAugur
中
实时 10:01:47
English(EN) Continuously Evolving Deepfake Detection: An Architecture and Public-Benchmark Evaluation of a Dynamic Detection System

新型深度伪造检测器可适应不断演进的生成模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 BitMind Forensics (BMF)，一个旨在持续适应不断演进的生成模型的新型深度伪造检测系统。与在现实世界性能下降的静态检测器不同，BMF 通过刷新其训练数据的对抗性竞争进行训练。在十九个公开数据集上的评估显示，BMF 取得了高 AUC 分数，在各种基准测试（包括 AI 生成媒体）上，其性能优于现有的开源模型，并能媲美或超越商业检测器。 AI

影响 这种动态检测系统可以提高深度伪造识别技术对新兴生成技术的鲁棒性。

排序理由 该项目是一篇研究论文，详细介绍了一个新系统及其在公开基准上的评估。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型深度伪造检测器可适应不断演进的生成模型

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Ken Jon Miyachi, Dylan Uys ·

    持续演进的深度伪造检测：一种动态检测系统的架构与公开基准评估

    arXiv:2607.13234v1 Announce Type: cross Abstract: Deepfake detectors that achieve near-perfect scores on academic benchmarks collapse on real-world content: recent in-the-wild evaluations report AUC drops of 45-50% for state-of-the-art open-source models. We argue this gap is str…

相关实体

相关话题