该网络通过质心对比一致性学习提取伪造与真实人脸的不变表征，在决策边界处增强差异，从而提升跨数据集迁移的深度伪造检测鲁棒性。
Ruiqi, Zha · Lian, Zhichao · Qianmu, Li
Neurocomputing 2025
通过质心对比学习迫使真实与伪造样本在特征空间中向各自类别的质心靠拢，模型不再依赖某一种伪造模式，从而在面对新的伪造方法时依然有效。
通过正样本增强模块在面部语义无关的维度上生成自然与伪造样本的变体，为对比学习提供面向任务的正样本对，降低了对比学习的难度。