待验证50% 置信事实精确时间

绝大多数深度伪造检测模型在'干净'的生成器输出上训练和评估，但现实中图片到达检测系统前已经历JPEG重压缩、分辨率缩放、色彩空间转换、EXIF剥离等多轮变换

1

来源数

50%

置信度

长期有效

时效性

2026/8/26

首次发现

来源

深度伪造检测器在扩散模型时代失效：AUC指标为何不再可靠

涉及实体

深度伪造检测concept

相关事实

待验证低质量或过度压缩的训练图像会导致模型在细节生成上产生伪影、色彩失真乃至风格理解偏差76% 相似待验证顶级深度伪造检测模型碰到经过压缩的视频时识别率会大幅下降75% 相似待验证深度伪造检测器通常依赖像素级微小异常、高频噪声模式或压缩伪影中的生成器特征，而平台处理会系统性地破坏或覆盖这些信号69% 相似待验证Adobe Photoshop的内容识别填充和神经滤镜功能均基于深度学习模型67% 相似待验证基于深度学习的自动化图像分类理论上可将单张图像分析时间压缩至毫秒级67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/805203

API

curl https://kongchang.com/api/v1/knowledge/claims/805203

MCP

get_claim(id=805203)