只需训练一次：FADNet 以不确定性感知单类学习检测人脸真伪
Only Train Once: Uncertainty-Aware One-Class Learning for Face Authenticity Detection
AI 导读
FADNet 将人脸伪造检测重构为单类分类任务，仅用真实人脸数据训练一次，特征显著偏离真实分布即判为伪造，无需针对每种伪造方法重新训练。框架以证据深度学习（EDL）量化预测不确定性，并用即插即用的伪伪造图像生成器（PFIG）收紧决策边界。在 DF40 与 ASFD 基准上，FADNet 平均准确率达 96.63%、平均精度达 98.83%，优于现有 SOTA 方法。