科技日報北京7月20日電 由德國馬克斯·普朗克信息學研究所等機構科學家組成的國際團隊，開發出一種比以往更可靠的深度偽造視頻識別方法——不再搜尋視覺破綻，而是細查視頻面部表情是否自然。在基准數據集測試中，該方法平均檢測准確率超過95%，成功發現了許多現有檢測器無法識別的偽造操作。相關論文已提交至2026年IEEE/CVF計算機視覺與模式識別會議。

在生成式人工智能（AI）的助推下，深度偽造視頻泛濫成災，日益真假難辨。如何可靠地識破它們，已成為一個重要的研究領域。

現有最精准的深度偽造檢測器普遍依賴監督學習，即從大量標注好的真實與篡改視頻中習得辨別力。然而，這類系統極易局限在已知的偽造技法上，面對從未見過的數據便力不從心，這便是過擬合——在訓練數據上表現得過於出色，卻難以泛化到陌生的篡改花樣。

相比之下，自監督方法僅用真實視頻進行訓練，被認為對新生的深度偽造技術更具韌性，但迄今檢測精度仍然偏低。而新方法首次將高穩定檢測與高識別率融為一體，其表現超越一眾監督方法。

新系統舍棄了可疑的像素級痕跡，轉而聚焦視頻中人臉的面部動態。它植根於廣泛使用的FLAME模型，該模型用53個參數從數學上刻畫面部表情，常用於計算機圖形學與面部動畫。團隊先用超過450小時的公開視頻預訓練模型，使其學會預測人們說話時面部動作的自然規律。

分析時，系統將視頻中可見的面部動作，與FLAME模型給出的面部動作參數進行比對。若兩者相差懸殊，就強烈暗示該視頻已遭篡改。

實驗中，該方法在多個成熟基准數據集上均錄得逾95%的平均准確率，刷新了此前的最佳紀錄。尤其值得一提的是，團隊還利用OpenAI的前沿視頻生成模型Sora 2，專門制作了另一套基准數據集。此前的深度偽造檢測器面對這批視頻，表現幾乎與擲硬幣無異，而新方法依然正確識別出了近95%的偽造視頻。

不過，新系統需要在強勁硬件上完成大規模預訓練，暫時還不適合實時應用。 （記者劉霞）