Xception 模型

深度分析

Curvelet 變換結合頻域感知特徵增強的深偽檢測方法

隨著生成式模型提升合成臉部影像真實度，深偽檢測面臨壓縮導致特徵退化的挑戰。研究者引入 Curvelet 變換結合楔形層注意力與尺度感知遮罩，強化頻域關鍵特徵，並以微調 Xception 進行分類。實驗顯示在 FaceForensics++ 低壓縮資料上達 98.48% 準確率與 99.96% AUC，且在高壓縮情境仍保持優異表現。