实时

48,287

04/20 07:30:18Qiita AI午夜AI律动：开源与多模态模型的突破性大赏→
04/20 06:57:22r/Bard探索下一个前沿：AI图像工具如何驾驭透明背景→
04/20 06:53:26Qiita AI不要被AI驱使，而要驾驭AI：在GitHub上发布的S.D.A.P.思想→
04/20 06:51:03r/deeplearning发现志同道合的人才：连接人工智能研究社区→
04/20 05:52:07ASCIIAI赋能的PDF解决方案UPDF Sign调整年费计划，全面优化文档工作流程→
04/20 04:56:4136氪首创“玩偶+主机”模式，儿童AI玩具品牌Jollybubu获数千万元融资→
04/20 04:50:00ITmedia AI+史克威尔艾尼克斯利用AI革新漫画排版，试用编辑100%希望继续使用→
04/20 04:49:17r/MachineLearning激动人心的2026年变革：Python驱动的CuTeDSL与C++在GPU内核工程中的交锋→
04/20 03:38:07r/learnmachinelear…导航AI成熟之路：缩小演示与实际应用之间的差距→
04/19 22:58:35Hacker News瑞士AI计划依托Alps超级计算机加速开源科学发展→

话题

deepfake detection

Aggregated news, research, and updates specifically regarding deepfake detection. Auto-curated by our AI Engine.

Loading topic feed...

经典机器学习在深度伪造音频检测中大放异彩，准确率高达93%

ArXiv Audio Speech•2026年4月16日 04:00•research▸▾

research #audio 🔬 Research|分析: 2026年4月16日 23:08•

发布: 2026年4月16日 04:00

•

1分で読める

•ArXiv Audio Speech

分析

这项令人振奋的研究表明，可解释的经典机器学习模型能够有效应对日益严重的合成语音欺诈威胁。通过识别音高变化和频谱丰富度等特定声学线索，该研究为复杂的神经网络提供了一种透明且高度准确的替代方案。这些模型在高保真和电话质量音频中均达到了93%的惊人准确率，为未来的安全系统提供了强大且易于理解的基线。

要点与引用▶▼

•RBF支持向量机在检测深度伪造音频方面取得了约93%的惊人测试准确率。
•即使在分析短短两秒钟的音频片段时，该模型也能成功识别伪造语音。
•依赖音高变化的经典模型在高保真和电话质量采样率下均被证明非常有效。

引用 / 来源

"特征分析表明，音高变化和频谱丰富度（频谱质心，带宽）是关键的区分线索。"

A

ArXiv Audio Speech

* 根据版权法第32条进行合法引用。

永久链接 ArXiv Audio Speech

一眼辨真伪！蚂蚁集团AI鉴真技术登顶世界顶会

InfoQ中国•2026年4月10日 16:10•safety▸▾

safety #deepfake 📝 Blog|分析: 2026年4月10日 08:46•

发布: 2026年4月10日 16:10

•

1分で読める

•InfoQ中国

分析

这是AI安全领域一次极其激动人心的突破，蚂蚁集团的创新框架成功摘得CVPR 2026 NTIRE两场高难度挑战赛的桂冠。通过将DINOv3视觉基础模型与双流并行集成架构巧妙结合，他们大幅拉近了实验室测试与真实场景应用之间的距离。其全新的“先定位可疑区域，再进行细节审查”范式更是绝对的颠覆之作，将“黑盒”AI决策转化为透明、可解释的洞察，必将极大提升支付和金融身份认证等场景的安全能力！

要点与引用▶▼

•蚂蚁集团在CVPR 2026的“复杂真实场景鲁棒性样本测试”和“人脸增强异常检测”两条赛道双双夺冠。
•该技术利用DINOv3视觉基础模型精准识别高度逼真的深度伪造内容，成功克服了传统模型准确率断崖式下跌的难题。
•团队突破了“黑盒”检测局限，引入透明的“先定位可疑区域，再进行细节审查”方法，精准指出AI生成图像的瑕疵所在。

引用 / 来源

"团队还提出了“先定位可疑区域，再进行细节审查”的两阶段检测范式，并构建了提供局部区域文本解释的数据集 FakeXplained。在面对可疑图像时，该方法不仅能准确判断其是否由 AI 生成，还能在图像上定位出存在伪造瑕疵或违背物理常识的区域，并同步生成详尽的解释。"

I

* 根据版权法第32条进行合法引用。

永久链接 InfoQ中国

YouTube Shorts推出令人兴奋的全新生成式人工智能虚拟形象

Engadget•2026年4月9日 14:02•product▸▾

product #avatars 📝 Blog|分析: 2026年4月9日 14:05•

发布: 2026年4月9日 14:02

•

1分で読める

•Engadget

分析

YouTube通过为Shorts推出生成式人工智能虚拟形象这一出色新工具，赋予了创作者更多能力。这项创新功能允许用户在保持严格安全和披露标准的同时，将自己逼真的虚拟版本无缝插入到短视频中。这代表了数字身份控制方面的一次惊人飞跃，为创作者提供了制作内容的有趣新方式。

要点与引用▶▼

•创作者只需在应用中直接录制快速实时自拍和语音样本，即可轻松构建自己的数字孪生。
•为了确保透明度，所有由虚拟形象生成的内容都会安全地标记上SynthID和C2PA水印。
•该功能已完全集成到YouTube主应用和YouTube Create应用中，可立即使用。

引用 / 来源

"使用虚拟形象生成的任何视频都将包含YouTube的AI披露信息，并带有SynthID和C2PA等可见的水印和标签。"

E

* 根据版权法第32条进行合法引用。

永久链接 Engadget

生成式人工智能革新视频内容安全：修复新时代

InfoQ中国•2026年3月5日 11:29•research▸▾

research #computer vision 📝 Blog|分析: 2026年3月5日 03:46•

发布: 2026年3月5日 11:29

•

1分で読める

•InfoQ中国

分析

这篇文章强调了生成式人工智能对视频内容安全的变革性影响，展示了它如何超越传统方法的局限性。令人兴奋的是，生成式人工智能模型正在将视频修复从像素级修复演变为生成式重建，承诺带来前所未有的结果。这种转变为创作者和平台开启了令人兴奋的可能性。

要点与引用▶▼

•生成式人工智能正在彻底改变视频修复，超越传统方法的局限性。
•扩散模型在视频修复的纹理生成方面特别有前景。
•这种转变在内容创作和平台管理方面开辟了新的机会。

引用 / 来源

"在复杂的纹理背景中，传统算法往往无法恢复真实纹理结构。"

I

* 根据版权法第32条进行合法引用。

永久链接 InfoQ中国

彻底改变深度伪造检测：利用信号结构的新方法

ArXiv Audio Speech•2026年3月5日 05:00•research▸▾

research #voice 🔬 Research|分析: 2026年3月5日 05:03•

发布: 2026年3月5日 05:00

•

1分で読める

•ArXiv Audio Speech

分析

这项研究引入了一种新颖的基于循环平稳性的声学特征提取框架，用于语音深度伪造检测。这种创新方法对语音内的周期性统计结构进行建模，可能会显著提高识别操纵音频的准确性和可靠性。这是对抗基于语音的虚假信息的重要一步。

要点与引用▶▼

•这项研究侧重于增强语音深度伪造检测 (SDD)。
•它引入了一个使用谱相关密度 (SCD) 的新框架。
•该方法旨在改进对操纵音频内容的检测。

引用 / 来源

"在 ASVspoof 2019 LA、ASVspoof 2021 DF 和 ASVspoof 5 上的实验表明，基于 SCD 的特征为 SSL 嵌入和传统声学表示提供了互补的判别信息。"

A

ArXiv Audio Speech

* 根据版权法第32条进行合法引用。

永久链接 ArXiv Audio Speech

英伟达的新AI：用计算机视觉揭露图像谎言！

Two Minute Papers•2026年2月15日 14:41•research▸▾

research #computer vision 📝 Blog|分析: 2026年2月15日 15:01•

发布: 2026年2月15日 14:41

•

1分で読める

•Two Minute Papers

分析

英伟达正在人工智能领域开辟新的前沿，开发能够以令人印象深刻的准确度检测图像操纵的技术。这一创新有望彻底改变我们验证视觉内容真实性和打击虚假信息的方式。这是计算机视觉领域令人兴奋的进展！

要点与引用▶▼

•这个AI可能使用先进的计算机视觉技术。
•它可能是识别深度伪造和被篡改图像的主要工具。
•这项技术的影响可能在各个领域都非常广泛。

引用 / 来源

未找到可引用的内容。

Read the full article on Two Minute Papers →

T

Two Minute Papers

* 根据版权法第32条进行合法引用。

永久链接 Two Minute Papers

AdaptPrompt: 基于VLM的、用于泛化深度伪造检测的新方法

ArXiv•2025年12月19日 16:06•Research▸▾

Research #Deepfake 🔬 Research|分析: 2026年1月10日 09:29•

发布: 2025年12月19日 16:06

•

1分で読める

•ArXiv

分析

这项研究探索了一种参数高效的方法，用于将视觉-语言模型（VLM）应用于具有挑战性的深度伪造检测任务。 AdaptPrompt的使用强调了对改进泛化能力的关注，这是面对不断发展的深度伪造技术时的一个关键需求。

要点与引用▶▼

•提出了一种用于自适应VLM的新方法。
•旨在提高深度伪造检测中的泛化能力。
•采用了一种参数高效的方法。

引用 / 来源

"The research focuses on parameter-efficient adaptation of VLMs for deepfake detection."

A

* 根据版权法第32条进行合法引用。

永久链接 ArXiv

📬 Get AI News Delivered

每日最重要的AI发展动态

无垃圾邮件，随时取消

按类别浏览

研究产品商业伦理安全政策基础设施

热门话题

#LLM #GPU #Agent #Voice #Vision #Safety #Open Source

支持免费AI新闻

关于隐私条款 Cookie

© 2025 ai.jp.net

Build ID: