ForschungsradarDeepfake-ErkennungarXivMai 2026

Monatliches arXiv-Radar

Deepfake-Erkennung im Mai 2026: leichte Videohinweise, Grenzen von Foundation Models und Diffusion-Face-Lokalisierung

Die Arbeiten fokussieren kleinere Modelle, ehrlichere Generalisierung und Lokalisierung für diffusionbasierte Gesichtsfälschungen.

Was dieser Monat zeigt

Die wichtigste Lehre: bessere Verteidigung entsteht nicht nur durch größere Detektoren, sondern durch gezielte Cues und ehrliche Audits.

Paper 012026-05-27cs.CV

Leichtgewichtige Fusion komplementärer Hinweise für robuste Video-Gesichtsfälschungserkennung

arXiv PDF

Autoren & Institutionen

Sunghwan Baek

Carnegie Mellon University, USA

Tariq Anwaar

Carnegie Mellon University, USA

Karanveer Singh

Carnegie Mellon University, USA

Rita Singh

Carnegie Mellon University, USA

Welches Problem es löst

Das Kernproblem ist, Engpässe rund um video face forgery detection, lightweight forensics, frequency cues in Deepfake-Erkennung so zu adressieren, dass sie auch für Deployment-Entscheidungen bewertbar werden.

Zentrales Ergebnis

Die Ergebnisse zeigen Verbesserungen bei Genauigkeit, Effizienz, Generalisierung oder Erklärbarkeit und reduzieren damit Deployment-Risiken.

Abstract

Diese Arbeit behandelt „Lightweight Complementary-Cue Fusion for Robust Video Face Forgery Detection“ und untersucht video face forgery detection, lightweight forensics, frequency cues unter praxisnahen Bedingungen. Die Ergebnisse liefern Hinweise zu Genauigkeit, Effizienz, Generalisierung und Verlässlichkeit.

Ausgangspunkt der Forschung

Die Motivation liegt darin, dass video face forgery detection, lightweight forensics, frequency cues in Deepfake-Erkennung direkt Datenschutz, Kosten, Robustheit oder Nutzererlebnis beeinflusst.

Methode

Der Ansatz rund um „Lightweight Complementary-Cue Fusion for Robust Video Face Forgery Detection“ kombiniert Modelldesign, Trainingsstrategie oder Systemoptimierung, um Forschung näher an produktfähige Fähigkeiten zu bringen.

Einordnung

Die wichtigste Lehre ist, dass Deepfake-Erkennung nicht immer ein größeres Backbone braucht, wenn forensische Hinweise gut gewählt und fusioniert werden. Durch die Kombination niederfrequenter wavelet-denoised Features mit Phasen- oder Texturhinweisen über einen winzigen Fusionsblock bietet die Arbeit eine kostenbewusste Alternative für Teams, die breitere Benchmark-Robustheit ohne zusätzliche Daten, Augmentation oder schwere Inferenzkosten benötigen.

Paper 022026-05-24cs.CV

Grenzen der domänenübergreifenden Generalisierung von Vision-Foundation-Modellen in der Gesichts-Deepfake-Erkennung

arXiv PDF

Autoren & Institutionen

Ibrahim Delibasoglu

Department of Software Engineering, Faculty of Computer and Information Sciences, Sakarya University, Sakarya, Türkiye

Welches Problem es löst

Das Kernproblem ist, Engpässe rund um foundation models, facial deepfake detection, cross-domain generalization in Deepfake-Erkennung so zu adressieren, dass sie auch für Deployment-Entscheidungen bewertbar werden.

Zentrales Ergebnis

Die Ergebnisse zeigen Verbesserungen bei Genauigkeit, Effizienz, Generalisierung oder Erklärbarkeit und reduzieren damit Deployment-Risiken.

Abstract

Diese Arbeit behandelt „Cross-Domain Generalization Limits of Vision Foundation Models in Facial Deepfake Detection“ und untersucht foundation models, facial deepfake detection, cross-domain generalization unter praxisnahen Bedingungen. Die Ergebnisse liefern Hinweise zu Genauigkeit, Effizienz, Generalisierung und Verlässlichkeit.

Ausgangspunkt der Forschung

Die Motivation liegt darin, dass foundation models, facial deepfake detection, cross-domain generalization in Deepfake-Erkennung direkt Datenschutz, Kosten, Robustheit oder Nutzererlebnis beeinflusst.

Methode

Der Ansatz rund um „Cross-Domain Generalization Limits of Vision Foundation Models in Facial Deepfake Detection“ kombiniert Modelldesign, Trainingsstrategie oder Systemoptimierung, um Forschung näher an produktfähige Fähigkeiten zu bringen.

Einordnung

Die Arbeit warnt davor anzunehmen, dass eingefrorene Vision-Foundation-Modelle Deepfake-Generalisation automatisch lösen. Die domänenübergreifenden Tests zeigen, dass vollständige Gesichtssynthese leichter sein kann als lokale Bearbeitungen; Beschaffung und Modellauswahl sollten deshalb Generatorwechsel und Manipulationstypen als Stresstests enthalten, statt sich auf Durchschnittswerte zu verlassen.

Paper 032026-05-11cs.CV

MFVLR: Multidomänen-Feinrekonstruktion mit Vision-Language-Modellen zur generalisierbaren Erkennung und Lokalisierung diffusionsbasierter Gesichtsfälschungen

arXiv PDF

Autoren & Institutionen

Yaning Zhang

Faculty of Computer Science and Technology, Qilu University of Technology (Shandong Academy of Sciences), Jinan, China

Tianyi Wang

School of Computing, National University of Singapore, Singapore

Zan Gao

Shandong Artificial Intelligence Institute, Qilu University of Technology (Shandong Academy of Sciences), Jinan, China

Key Laboratory of Computer Vision and System, Ministry of Education, Tianjin University of Technology, Tianjin, China

Yibo Zhao

Key Laboratory of Computer Vision and Systems, Ministry of Education, Tianjin University of Technology, Tianjin, China

Chunjie Ma

Shandong Artificial Intelligence Institute, Qilu University of Technology (Shandong Academy of Sciences), Jinan, China

Meng Wang

School of Computer Science and Information Engineering, Hefei University of Technology, Hefei, China

Welches Problem es löst

Das Kernproblem ist, Engpässe rund um diffusion face forgery, vision-language forensics, forgery localization in Deepfake-Erkennung so zu adressieren, dass sie auch für Deployment-Entscheidungen bewertbar werden.

Zentrales Ergebnis

Die Ergebnisse zeigen Verbesserungen bei Genauigkeit, Effizienz, Generalisierung oder Erklärbarkeit und reduzieren damit Deployment-Risiken.

Abstract

Diese Arbeit behandelt „MFVLR: Multi-domain Fine-grained Vision-Language Reconstruction for Generalizable Diffusion Face Forgery Detection and Localization“ und untersucht diffusion face forgery, vision-language forensics, forgery localization unter praxisnahen Bedingungen. Die Ergebnisse liefern Hinweise zu Genauigkeit, Effizienz, Generalisierung und Verlässlichkeit.

Ausgangspunkt der Forschung

Die Motivation liegt darin, dass diffusion face forgery, vision-language forensics, forgery localization in Deepfake-Erkennung direkt Datenschutz, Kosten, Robustheit oder Nutzererlebnis beeinflusst.

Methode

Der Ansatz rund um „MFVLR: Multi-domain Fine-grained Vision-Language Reconstruction for Generalizable Diffusion Face Forgery Detection and Localization“ kombiniert Modelldesign, Trainingsstrategie oder Systemoptimierung, um Forschung näher an produktfähige Fähigkeiten zu bringen.

Einordnung

MFVLR ist relevant, weil es Diffusion-Face-Forensik über reine Ja/Nein-Erkennung auf Bildebene hinaus zu Lokalisierung und domänenübergreifender Erklärung führt. Durch die Kombination feingranularer Sprachrekonstruktion, visueller Residualdomänen und eines Decoders zur Lokalisierung gefälschter Regionen unterstützt es Review-Workflows, in denen Teams nicht nur wissen müssen, ob ein Bild gefälscht ist, sondern auch wo die Hinweise liegen.