FFAA：基于多模态大语言模型的可解释开放世界人脸伪造分析助手
原文中文，约1400字，阅读约需4分钟。
📝
内容提要
本文介绍了多个面部伪造检测数据集和算法的进展，包括ForgeryNet、FFIW-10K和OpenForensics，旨在提升深度伪造检测性能。研究提出了新框架和方法，如视觉语言人脸伪造检测（VLFFD）和适应性伪造感知Transformer（FA-ViT），并在多个基准测试中表现优越。此外，GenFace数据集和跨外观边缘学习（CAEL）检测器的设计也推动了该领域的发展。
❓
Q&A
什么是ForgeryNet数据集，它包含哪些内容？
ForgeryNet是最大的公共面部伪造数据集，包含2.9百万张图片和221,247个视频，涉及图像伪造分类、空间伪造定位、视频伪造分类和时间伪造定位四个任务。
FFIW-10K数据集如何提升人脸伪造检测性能？
FFIW-10K数据集包含10000个高质量伪造视频，结合新算法提升了人脸伪造检测性能，并在基准测试中表现优秀。
视觉语言人脸伪造检测（VLFFD）是什么？
VLFFD是一种新范式，通过引入细粒度提示和粗细联合训练框架，解决检测模型缺乏语义信息的问题，并在多个基准测试中表现优越。
适应性伪造感知Transformer (FA-ViT)的工作原理是什么？
FA-ViT通过冻结预训练参数和引入特定组件来提高Deepfake检测性能，利用单域成对学习增强鲁棒性。
GenFace数据集的特点是什么？
GenFace数据集包含大量由先进生成器生成的伪造人脸，推动深度伪造检测的发展，并提供详细的操作方法标签。
跨外观边缘学习（CAEL）检测器的创新之处在哪里？
CAEL检测器用于捕获多粒度的外观和边缘全局表示，能够有效检测伪造痕迹，展现出较强的区分能力。
🏷️
