跳到正文
arXiv · AI· Syed Azmul Hasan, Mowmita Pervin Hera, Afroza Lona Mim, M M Jihad Hossain, Hazrat Ali, Mohammad Farhad Bulbul·· 10 天前AI 评分21

ViT-B/16 在 Deepfake 检测中展现更优的视频级稳定性

Beyond Frame-Level Accuracy: Analyzing Video-Level Stability in Transformer-Based Deepfake Forensics

AI 导读

在统一框架下对比 ResNet-18、EfficientNet-B0 与 ViT-B/16,ViT-B/16 在 Celeb-DF v2 上取得 92.8% 视频级准确率。 AUC 为 0.950,而 CNN 模型在视频级聚合后性能下降;跨数据集 AUC 仅为 0.79 和 0.64,显示泛化差距。 全局自注意力提升了域内鲁棒性,但需进一步解决跨域泛化问题。

来源:arXiv · AI · arxiv.org