UniGADD：生成器无关的深度伪造检测方法

Bernard Tomczyk、Agil Aghasanli 与 Plamen Angelov 提出一种名为 UniGADD 的深度伪造检测方法，目标是让检测器在未见过的生成器上仍保持稳健。该方法采用两阶段优化：第一阶段用对比损失从真实图像与已知伪造图像中学习判别性嵌入，第二阶段只用真实样本强化簇间分离与簇内紧凑，以提升泛化能力。 作者称，UniGADD 在已知生成器上的准确率与现有最优方法持平，在未见过的生成器上则显著优于这些方法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。