通过对比学习和无监督聚类重新思考图像伪造检测

原文约200字，阅读约需1分钟。发表于：。

图像伪造检测的新方法 FOrensic ContrAstive cLustering (FOCAL) 基于对比学习和无监督聚类，通过像素级对比学习指导高级取证特征提取，使用实时无监督聚类算法将学习到的特征聚类为伪造 / 原始类别，并通过特征级连接进一步提高检测性能，对六个公共测试数据集进行广泛实验证明了 FOCAL 明显优于现有竞争算法。

本文介绍了一种新的关键伪造挖掘（CFM）框架，通过多种骨干提高泛化性能和鲁棒性能，解决脸部伪造检测问题。该方法在各种评估设置下具有最先进的伪造检测性能。