Jiuan Zhou

新的深度伪造检测框架Face-D(^2)CL将错误率降低了60.7%

研究人员推出了一种名为Face-D(^2)CL的新型框架，旨在增强面部深度伪造的检测能力。该系统通过改进特征表示和减轻灾难性遗忘来解决当前模型的局限性。它通过结合真实/伪造感知弹性权重巩固（RF-EWC）和域感知正交梯度约束（D-OGC）的双持续学习机制来实现这一点。实验表明，Face-D(^2)CL的性能显著优于最先进的方法，在未见过的伪造域上将平均检测错误率降低了60.7%，并将AUC提高了7.9%。