摘要
可泛化的深度伪造检测对于现实世界计算机视觉应用中的可信视觉理解至关重要。本文提出了一种动态时空不一致性学习算法，旨在实现深度伪造视频检测的高泛化能力。当前的基于视频的检测方法倾向于要么 isolat 空间伪影，要么仅在识别深度伪造视频时利用粗略的时空不一致性，这阻碍了对细粒度时空线索的获取，从而限制了它们的泛化能力。为此，我们提出了动态时空网络（DST-Net），这是一种通过三个协同模块系统地挖掘全面不一致性线索的深度架构。短期时间模态提取（STME）模块从相邻帧中捕捉时间动态；短期时空不一致性提取（SSTIE）模块在像素级别的监督下学习出具有抗干扰能力的语义相关不一致性特征；动态术语时空不一致性提取（DSTIE）模块则跨时间尺度自适应地聚合这些特征，构建出鲁棒的多尺度表示。这种设计确保了学习到的表示能够捕捉到固有的伪造模式，从而提升了泛化和鲁棒性。在五个广泛采用的基准数据集上进行的全面评估表明，我们的方法超越了九个代表性竞争者，并且在面对常见图像扰动时表现出更强的鲁棒性。这项工作推进了深度学习算法在多媒体取证领域中的应用。
