anonymous-author-sub/seeable
📦 开源项目anonymous-author-sub
利用软差异与有界对比学习技术，实现更精准的深度伪造检测。
SeeABLE 在 AI 生成媒体的数字取证领域迈出了重要一步。与依赖刚性分类边界的传统检测器不同，SeeABLE 采用了一种基于“软差异”的方法——即识别合成伪造品中常见的细微、局部化伪影和不一致性。该框架利用有界对比学习将特征映射到潜在空间，即使在伪造技术高度逼真的情况下，也能更有效地分离真实与虚假样本。这种方法降低了对特定训练数据集的过拟合风险，并增强了跨不同生成架构的泛化能力。该代码库为研究人员提供了实现这些检测技术的 Python 基础设施，包括特征提取和对比训练的模块化流水线。它在识别标准 CNN 检测器可能遗漏的伪影方面表现出色，是安全研究人员和媒体完整性验证团队的有力工具。