基于 FPN-Transformer 的多模态深度伪造检测与定位
Multi-modal Deepfake Detection and Localization with FPN-Transformer
AI 导读
研究者提出基于 FPN-Transformer 的多模态深度伪造检测与定位框架，在 IJCAI'25 DDL-AV 基准测试集上取得 0.7535 分。框架用 WavLM 与 CLIP 提取音频、视频的层级时间特征，经带局部注意力的 R-TLM 块构建多尺度特征金字塔。双分支预测头同时预测伪造概率并回归篡改片段的时间偏移，实现帧级定位精度。