UniGADD：通用生成器无关深伪检测方法发布

Bernard Tomczyk、Agil Aghasanli 和 Plamen Angelov 在 arXiv（2611.07647）发布论文，提出生成器无关的通用深度伪造检测方法 UniGADD。据论文所述，该方法对已知生成器达到 SOTA 级准确率，对未见过的生成器也显著优于现有方法。 方法采用两阶段优化：先用对比损失学习区分真假图像的特征嵌入，再仅针对真实样本优化嵌入空间的簇间分离与簇内紧凑度，以提升对未见深度伪造技术的泛化能力。上述性能结论目前来自论文作者自述，尚无独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。