ODDN：应对开放世界深度伪造检测中无配对数据挑战
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了在在线社交网络上处理不同压缩图片质量的深度伪造检测问题。在缺乏配对数据的开放世界场景中，提出了一种新颖的开放世界深度伪造检测网络（ODDN），通过开放世界数据聚合（ODA）和压缩丢弃梯度校正（CGC）两个模块显著提升了检测性能。实验结果表明，ODDN在17个深度伪造数据集上优于现有方法。
该研究提出了一种局部感知深度伪造检测算法（LaDeDa），通过9x9图像块将检测准确率提高至99%。Tiny-LaDeDa模型实现了高效运行，但训练协议问题影响其在真实世界中的应用。新数据集WildRF上的性能为93.7%，仍需解决检测可靠性问题。
