| 面部动作分析识别深度伪造准确率超95% |
科技日报北京7月20日电 （记者刘霞）由德国马克斯·普朗克信息学研究所等机构科学家组成的新闻国际团队，
研究示意图。科学转而聚焦视频中人脸的面部面部动态。其表现超越一众监督方法。动作这类系统极易局限在已知的分析伪造技法上， 特别声明：本文转载仅仅是识别深度出于传播信息的需要，团队还利用OpenAI的准确前沿视频生成模型Sora 2，如何可靠地识破它们，但迄今检测精度仍然偏低。团队先用超过450小时的公开视频预训练模型，而是细查视频面部表情是否自然。暂时还不适合实时应用。分析时，
新系统舍弃了可疑的像素级痕迹，在基准数据集测试中，新系统需要在强劲硬件上完成大规模预训练，相关论文已提交至2026年IEEE/CVF计算机视觉与模式识别会议。
不过，系统将视频中可见的面部动作，图片来源：物理学家组织网
在生成式人工智能（AI）的助推下，
相比之下，
实验中，
现有最精准的深度伪造检测器普遍依赖监督学习，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，被认为对新生的深度伪造技术更具韧性，已成为一个重要的研究领域。却难以泛化到陌生的篡改花样。专门制作了另一套基准数据集。而新方法依然正确识别出了近95%的伪造视频。成功发现了许多现有检测器无法识别的伪造操作。该方法在多个成熟基准数据集上均录得逾95%的平均准确率，然而，而新方法首次将高稳定检测与高识别率融为一体，面对从未见过的数据便力不从心，就强烈暗示该视频已遭篡改。网站或个人从本网站转载使用，自监督方法仅用真实视频进行训练，日益真假难辨。表现几乎与掷硬币无异，常用于计算机图形学与面部动画。须保留本网站注明的“来源”，它植根于广泛使用的FLAME模型，请与我们接洽。即从大量标注好的真实与篡改视频中习得辨别力。刷新了此前的最佳纪录。这便是过拟合——在训练数据上表现得过于出色，该方法平均检测准确率超过95%，开发出一种比以往更可靠的深度伪造视频识别方法——不再搜寻视觉破绽，该模型用53个参数从数学上刻画面部表情，
发表评论