内容-梯度融合重构网络

泛化性更强

从重构视角分别学习人脸内容与梯度特征，并通过双向注意力融合，提升对未知伪造方法的检测能力。

Kaiwen, Xu · Hu, Xiyuan · Zhou, Xiaokang · 徐小龙 · 齐连永 · Chen, Chen

IEEE Transactions on Consumer Electronics 2024

技术优势

更好适应未知伪造

从重构视角分别学习人脸内容与梯度特征，挖掘分布不一致性，从而对未见过的伪造方法更鲁棒。

融合互补特征

内容与梯度特征融合模块考察人脸内容与图像梯度间的关系，捕捉单一特征难以发现的伪造痕迹。

注意力指导分类

基于重构差异的双向注意力模块引导模型有效分类融合特征，提升检测精度。

应用场景

• 深度伪造检测：用于检测图像或视频帧中的深度伪造，提升对未知伪造方法的鲁棒性。
• 人脸识别安全：增强人脸识别系统抵御伪造攻击的能力，防止身份冒用。
• 多媒体内容鉴伪：验证多媒体内容的真实性，辅助鉴别篡改或合成内容。