本研究提出了AvatarShield，一个基于视觉强化学习的人本视频伪造检测框架。该框架通过选择性奖励和双编码器架构，提高了伪造检测的精度和适应能力，优于现有方法。

该论文提出了一种基于Transformer的网络模型，用于敲击身份验证。研究探索了两种不同的网络架构，并比较了它们在敲击身份验证中的效果。结果表明采用批量全三元组损失和余弦距离的双编码器架构取得了最佳性能，等错误率仅为0.0186%。