.png){kind=icon}
返回
Continual Deepfake Detection Based on Multi-Perspective Sample Selection Mechanism
.png){kind=icon}
PRE
AI
DOI：10.1109/LSP.2025.3638634.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
深度伪造技术的快速发展和恶意使用引发了严重的信任危机。为应对不断演变的深度伪造技术，越来越多的检测方法采用持续学习范式，但它们通常受到灾难性遗忘的困扰。尽管基于回放的方法通过存储来自历史任务的部分样本缓解了这一问题，但它们的样本选择策略通常依赖单一指标，这可能导致关键样本的遗漏，进而阻碍鲁棒实例记忆库的构建。在本文中，我们针对持续深度伪造检测提出了一种新颖的多视角样本选择机制（MSSM），该机制联合评估预测误差、时间不稳定性和样本多样性，以在实例记忆库中保留信息丰富且具有挑战性的样本。此外，我们设计了一种分层原型生成机制（HPGM），该机制在类别和任务两个层面构建原型，并存储于原型记忆库中。在两种评估协议下的广泛实验表明，所提出的方法实现了当前最优的性能。
Keyword:
Continual deepfake detection
catastrophic forgetting
multi-perspective sample selection mechanism
期刊
I
IF:
3.9
论文数:
784
被引数:
0
机构
引用论文
.png){kind=icon}
查看更多内容