跨库泛化检测
一种通过声学与语义表征一致性来捕获伪造痕迹的深度伪造检测模型，在不同数据集间展现出强大泛化能力。
张国富 · Ming, Fang · 苏兆品 · 陈可江 · Zhang, Weiming · Wang, Yaofei
Information Fusion 2026
在三个公开基准上均显著超越已有方法，其中 In-the-Wild 上的 EER 低至 7.1%，证明模型不再依赖特定算法的表面痕迹。
通过检测声学与语义表征之间的结构不一致性来识别伪造，即使生成算法改变，这种本质失配仍然存在。
模型在多种数据集上直接取得高准确率，表明其学习到的线索具有普适性，部署到新场景时不需要额外微调。