arXiv cs.AI· Dhananjaya Jayasundara, Kartik Narayan, Vishal M. Patel·· 11 小时前AI 评分31
Spectra：面向深度伪造检测的多尺度隐式分解框架
Spectra: Multi-Scale Implicit Decomposition for Deepfake Detection
AI 导读
Spectra 是一个结合语义视觉表征与 INR 重建伪影线索的深度伪造检测框架，通过从图像专属 INR 提取多级重建热力图，并与语义特征双向融合，让模型捕捉较少依赖特定生成流程的伪造线索。在多个深度伪造基准上，其鲁棒性和跨数据集泛化能力均优于仅基于 RGB 外观或语义表征的检测器。该表征还可扩展至人脸呈现攻击检测。
正文 · AI 翻译
摘要：深度伪造日益削弱人们对数字媒体的信任，而现有检测器往往难以泛化到未见过的操纵技术、压缩级别和数据集偏移。大多数方法依赖 RGB 外观、频域伪影或二者的组合，学习最终合成图像中存在的线索。这些线索在分布内有效，但往往与特定生成器相关，并可能随着合成模型的演进而减弱。我们认为，可以通过隐式神经表示（INR）获得一种互补视角，它揭示的是图像如何被重建，而不仅仅是图像看起来如何。通过对图像拟合 INR 并分析其内部激活，可以揭示仅在图像域中难以观察到的重建动态，并可能捕捉真实内容与合成内容之间更本质的差异。为此，我们提出 Spectra，一种深度伪造检测框架，将语义视觉表示与源自 INR 重建的伪影感知线索相结合。Spectra 从图像特定的 INR 中提取多级重建热图，并通过双向融合机制将其与语义特征联合建模。这使图像语义与重建伪影之间能够直接交互，从而使模型能够识别较少依赖特定生成流程的伪造线索。在多个深度伪造基准上的大量实验表明，该方法具有更强的鲁棒性和跨数据集泛化能力，持续优于仅基于 RGB 外观或语义表示的检测器。此外，我们表明所提出的表示不仅适用于深度伪造检测，还可扩展到人脸呈现攻击检测，凸显其作为人脸攻击检测统一框架的潜力。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.31979 [cs.CV] |
| （或 arXiv:2610.31979v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.31979 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Dhananjaya Jayasundara [查看电子邮件]
[v1]
2026年10月22日星期四 22:36:28 UTC（18,441 KB）
来源：arXiv cs.AI · arxiv.org