arXiv cs.AI· Simiao Ren, Hengwei Xu, Tsang Ng, Kidus Zewde, Shengkai Jiang, Ramini Desai, Disha Patil, Ning-Yau Cheng, Yining Zhou, Ragavi Muthukrishnan·· 14 小时前AI 评分55
研究：超分辨率后处理会削弱深度伪造检测器效果
Do Deepfake Detectors Work in Reality?
AI 导读
arXiv 论文《Do Deepfake Detectors Work in Reality?》指出，真实场景常用的超分辨率后处理会显著削弱现有深度伪造检测方法。作者从热门在线换脸平台收集并发布首个真实场景 faceswap 数据集，评测显示 SOTA 检测器在真实深度伪造上的准确率接近随机猜测，并定量展示了常见后处理带来的性能下降。
正文 · AI 翻译
摘要：深度伪造，尤其是涉及基于换脸操作的深度伪造，因其日益逼真且可能被滥用，已引发重大社会关切。尽管生成模型快速进步，检测方法却未能同步跟上，在防御策略上形成了关键缺口。学术研究与现实应用之间的脱节进一步放大了这一差距，二者往往侧重不同的目标和评估标准。在本研究中，我们迈出了弥合这一差距的关键一步，提出了一个新观察：现实场景中常用的超分辨率后处理步骤，会显著削弱现有深度伪造检测方法的有效性。为证实这一主张，我们引入并发布了首个真实世界换脸数据集，该数据集采集自流行的在线换脸平台。随后，我们对最先进的深度伪造检测器在真实世界深度伪造上的表现进行了定性评估，发现其准确率接近随机猜测的水平。此外，我们定量证明了常见后处理技术导致的显著性能下降。通过应对这一被忽视的挑战，我们的研究凸显了提升深度伪造检测方法在真实世界环境中的鲁棒性和实际适用性的关键途径。
| 学科： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2502.10920 [cs.CV] |
| （或 arXiv:2502.10920v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2502.10920 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Simiao Ren [查看邮箱]
[v1]
2025年2月15日星期六 22:38:40 UTC（2,340 KB）
[v2]
2026年10月24日星期六 21:30:00 UTC（2,340 KB）
来源：arXiv cs.AI · arxiv.org