引导残差网络

伪造检测拔4%

空间与残差特征互增强融合，精准捕捉细粒度伪造痕迹，大幅提升深度伪造检测准确率与鲁棒性。

Guo, Zhiqing · 杨高波 · Chen, Jiyou · Xingming, Sun

IEEE Transactions on Multimedia 2023

参数信息

数据集上准确率

96.52 %

较现有工作准确率提升

约5.50 %

技术优势

缓解预测偏差

细粒度篡改痕迹提取器（MTE）直接学习残差，无需像素级预测，从而规避了预测不准带来的副作用。

多数据集表现佳

在HFF、FaceForensics++、DFDC、CelebDF四个公开数据集上均优于现有方法。

应用场景

• 深度伪造检测：检测换脸视频，剔除伪造内容。
• 人脸防伪：区分真实人脸与伪造攻击，提升活体检测。
• 媒体取证：取证分析图像真伪，追溯篡改痕迹。