堅牢なディープフェイク検出：キャリブレーションされた補完アンサンブルによる空間注意のドリフト抑制
arXiv cs.CV / 2026/4/29
📰 ニュースTools & Practical UsageModels & Research
要点
- 本論文は、ディープフェイク検出モデルがクリーンな学術データセットでは最先端性能を示す一方、ぼかしや深刻なロッシー圧縮といった複合劣化下では空間注意のドリフトにより深刻に脆弱になる点を指摘しています。
- 極端な複合劣化エンジンと、構造的に制約されたマルチストリーム構成を組み合わせた「基盤駆動型」のフォレンジック枠組みを提案し、DINOv2-Giantから不変な幾何・意味の事前知識を学習します。
- 画像は Global Texture、Localized Facial、そしてCLIPを組み込んだ Hybrid Semantic Fusion の3経路で処理され、Score-CAMによる空間帰属と、コサイン類似度による特徴安定性で定量的に評価します。
- キャリブレーションされた離散化投票によるアンサンブルで背景への注意ドリフトを抑えつつ幾何学的なアンカーとして機能させ、頑健性を高めることに成功したと報告しています。
- 著者はGitHubでコードも公開しており、再現性を支えています。
