实体
AI-GenBench
AI-GenBench
PulseAugur coverage of AI-GenBench — every cluster mentioning AI-GenBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的深度伪造检测方法侧重于泛化性和效率 · 跟踪了 4 个来源
研究人员正在开发新方法来提高深度伪造检测系统的泛化能力。一种称为交叉重建（Cross-Reconstruction）的方法侧重于在训练过程中保留多样化的伪影特征，以便在不同的生成过程和数据集上更好地识别经过篡改的媒体。另一种方法 ModalFidelity 使用轻量级路由器，有效地将计算资源导向仅分析视频中的相关音频或视频流，从而在保持高精度的同时显著减少处理时间。这些进展旨在创建更强大、更高效的深度伪造检测技术。
-
新型深度伪造检测器可适应不断演进的生成模型
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。