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。

本文介绍了一种基于深度学习的视频伪造检测方法，利用自编码器和循环神经网络分析视频素材，识别伪造点。研究提出了多个数据集和模型，旨在提高身份证件和签名验证的性能，解决伪造文件图像的检测问题。