南京航空航天大学学报

作者：金世辰，谭晓阳

单位：南京航空航天大学计算机科学与技术学院，南京 211106；,南京航空航天大学计算机科学与技术学院，南京 211106；

关键词：人脸伪造检测;元学习;跨领域;动态调整学习权重;泛化性

基金：国家自然科学基金（6247072715）。

随着面部伪造技术的快速迭代，能够应对未见过的伪造方法的鲁棒检测机制需求变得日益重要。然而，当前的方法主要针对特定的伪造技术设计，这在应对更广泛的检测挑战时存在局限性。为了解决这些问题，本文提出了一种用于跨域人脸伪造检测的难度感知元学习（Difficulty-aware meta-learning， DAML）方法。在元训练阶段，本文方法利用与伪造图像无关的元学习（Model-agnostic meta-learning， MAML）方法来训练模型。通过利用目标域中的少量数据，可以调整参数以适应新任务。为了解决与模型无关的元学习方法中的不稳定训练问题，本文引入了一种难度感知机制，在训练阶段动态调整不同任务的学习权重。在多个公开的基准数据集上进行了广泛的实验，实验结果表明，本文方法优于RECCE、Xception、RFM等方法，在适应未见过的目标域方面表现更好。

来源：2025年第2期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2025年第2期