深度伪造图像检测模型对比评估研究

2026年10月19日，arXiv Computer Vision 刊出 Saad Korchi、Abderrahim Waga 提交的论文，研究深度伪造图像检测的可解释深度学习流程与模型对比评估。研究比较两种分类策略：从零训练的紧凑卷积模型，以及经两阶段迁移学习适配的 ImageNet 预训练 MobileNetV2。实验在 14 万张人脸图像的 140k Real and Fake Faces 数据集上进行，微调预训练模型验证准确率达 95.90%（loss 0.1074），从零训练模型为 84.15%（loss 0.3625）。论文同时采用 Grad-CAM 可视化。报道明确说明，上述结果为验证集结果，并非留出测试集估计。目前事件进展限于该论文的发布与结果披露，尚无后续跟进报道。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。