商务合作
手机扫一扫
使其学会预测人们说话时面部动作的面部自然规律。刷新了此前的动作最佳纪录。相关论文已提交至2026年IEEE/CVF计算机视觉与模式识别会议。分析在基准数据集测试中，识别深度而新方法依然正确识别出了近95%的伪造网伪造视频。这类系统极易局限在已知的准确伪造技法上，
特别声明：本文转载仅仅是率超出于传播信息的需要，暂时还不适合实时应用。新闻新系统需要在强劲硬件上完成大规模预训练，科学实验中，面部日益真假难辨。动作表现几乎与掷硬币无异，分析团队还利用OpenAI的识别深度前沿视频生成模型Sora 2，该方法在多个成熟基准数据集上均录得逾95%的伪造网平均准确率，该模型用53个参数从数学上刻画面部表情，准确然而，而新方法首次将高稳定检测与高识别率融为一体，系统将视频中可见的面部动作，此前的深度伪造检测器面对这批视频，与FLAME模型给出的面部动作参数进行比对。已成为一个重要的研究领域。却难以泛化到陌生的篡改花样。
不过，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，而是细查视频面部表情是否自然。
相比之下，若两者相差悬殊，图片来源：物理学家组织网
在生成式人工智能（AI）的助推下，即从大量标注好的真实与篡改视频中习得辨别力。它植根于广泛使用的FLAME模型，转而聚焦视频中人脸的面部动态。被认为对新生的深度伪造技术更具韧性，
| 面部动作分析识别深度伪造准确率超95% |
科技日报北京7月20日电 （记者刘霞）由德国马克斯·普朗克信息学研究所等机构科学家组成的国际团队，
现有最精准的深度伪造检测器普遍依赖监督学习，深度伪造视频泛滥成灾，该方法平均检测准确率超过95%，其表现超越一众监督方法。自监督方法仅用真实视频进行训练，请与我们接洽。
新系统舍弃了可疑的像素级痕迹，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、专门制作了另一套基准数据集。网站或个人从本网站转载使用，这便是过拟合——在训练数据上表现得过于出色，开发出一种比以往更可靠的深度伪造视频识别方法——不再搜寻视觉破绽，团队先用超过450小时的公开视频预训练模型，常用于计算机图形学与面部动画。尤其值得一提的是，成功发现了许多现有检测器无法识别的伪造操作。如何可靠地识破它们，
研究示意图。面对从未见过的数据便力不从心，分析时，就强烈暗示该视频已遭篡改。但迄今检测精度仍然偏低。须保留本网站注明的“来源”，
一个科学史家在世界名画中“破案”—新闻—科学网
程镕时：“高分子”的日常，离不开他—新闻—科学网
入职MIT后发首篇文章，他用一个游戏揭示“人为什么更信自己”—新闻—科学网
纤维芯片：把大规模集成电路装进“头发丝”—新闻—科学网
全球夜间人造光亮度8年增加16%—新闻—科学网
2026马年到，你被正式确诊为
30位年轻人组成“漫威”小队，攻克世界物理难题—新闻—科学网
深山敲响“金钉子”—新闻—科学网
三维类器官展现发育中肢体关键特征—新闻—科学网
纤维芯片：把大规模集成电路装进“头发丝”—新闻—科学网
