跳到正文
arXiv · 机器人与计算机视觉· Luke Collins, Chang-Tsun Li, Duc Thanh Nguyen·· 6 天前AI 评分63

跨域深度伪造检测的诚实融合评估:泄露审计与尾部鲁棒性

Honest Fusion Evaluation for Cross-Domain Deepfake Detection: Leakage Audits and Tail Robustness

AI 导读

论文指出跨域视频深度伪造检测中,表达性路由和特征融合的增益多为评估泄露所致。通过 2x2 折叠审计发现,在诚实家庭保留下所有显著增益消失;但在尾部硬样本上,全局校准融合(InvB)将多专家误分类视频比例从 15.2% 降至 2.3%,且在最坏家族 AUC、选择性风险和低假阳性召回率上稳定优于单一专家。建议从业者进行全局校准与组合,并保留完整数据集家族进行评估。

来源:arXiv · 机器人与计算机视觉 · arxiv.org