用于深度伪造图像检测的深度学习：模型对比评估与基于梯度的视觉归因
英文标题：Deep Learning for Deepfake Image Detection: Comparative Model Evaluation and Gradient-Based Visual Attribution
本研究探讨了用于图像级深度伪造（Deepfake）检测的可解释深度学习工作流程。随着合成人脸图像的泛滥，区分真实内容与生成内容对数字取证与网络信任变得愈发关键。研究对多种模型进行了对比评估，并结合基于梯度的视觉归因技术解析检测决策。该研究为开发者和安全研究人员构建高可靠、可审计的反伪造鉴伪工具提供了重要参考。
打开原文相关 1.6 · 机会 1
2.1 KB
640 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
摘要
arXiv:2610.22676v1 公告类型：新提交（new）
摘要：合成人脸图像的兴起，使得区分真实内容与生成内容在数字取证和网络信任领域变得日益重要。本研究探讨了一种用于图像级深度伪造（Deepfake）检测的可解释深度学习工作流程……
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×