跨数据集SOTA泛化
面向广义人脸伪造检测的ViT自适应模型，通过分别建模全局与局部伪造线索提升跨域鲁棒性。
Luo, Anwei · Cai, Rizhao · Kong, Chenqi · Ju, Yakun · 康显桂 · 黄继武 · Alex C. Kot, Life
IEEE Transactions on Circuits and Systems for Video Technology 2024
在 Celeb-DF 和 DFDC 上分别达到 93.83% 和 78.32% 的 AUC，超过现有方法。
冻结预训练 ViT 参数，仅优化自适应模块，降低计算开销并保持泛化能力。
全局自适应模块建模长程依赖以挖掘全局伪造线索，局部自适应模块增强局部上下文关联以暴露局部不一致性。
实验表明模型对未知扰动具有更强鲁棒性。