小波引导伪造检测网络

跨数据集通用

从小波高频细节和纹理-内容层次关系入手，捕捉传统检测器忽略的伪造痕迹，在多个基准上显著优于现有方法。

Yuan, Wang · Chen, Chen · Ning, Zhang · Hu, Xiyuan

International Journal of Computer Vision 2024

技术优势

能抓高频伪造痕迹

小波引导自编码器恢复通用视觉表征，有意识地保留高频细节，使模型能理解高频信息中的伪造模式。

纹理和内容联合分析

通过多级注意力图在层次学习协议下丰富内容与纹理特征的上下文信息，避免只关注单一模态导致的过拟合。

性能稳定超现有方法

在流行基准数据集上的大量实验表明，WATCHER 模型始终以显著优势超越当前最先进的方法。

应用场景

• 深度伪造检测：可直接用于视频平台的深度伪造内容识别，替代现有基于全局特征的检测器。
• 多媒体内容认证：为新闻机构或社交媒体提供多媒体内容的真伪鉴定，提高内容可信度。
• 物联网安全：可作为边缘设备上的伪造检测模块，防止摄像头视频流被篡改。