リサーチレーダーディープフェイク検出arXiv2026年4月

月次 arXiv レーダー

2026年4月のDeepfake検出論文：Prompt Learning、軽量汎化、3Dフォレンジック手掛かり

2026年4月の研究は、未知の偽造への汎化、検出コストの削減、RGBだけに頼らない顔証拠という企業課題に向かった。

本月の重要シグナル

汎化はピーク精度と同じくらい重要になっている。軽量モデル、prompt adaptation、3D reconstruction が実用的なロバスト性の手段になっている。

論文 012026-04-19cs.CV

分離可能なプロンプト学習による汎化可能な顔偽造検出

arXiv PDF

著者・所属

Enrui Yang

School of Computer Science and Technology, Ocean University of China, Qingdao, China

Yuezun Li

School of Computer Science and Technology, Ocean University of China, Qingdao, China

何を解決するか

中心課題は、Deepfake検出における face forgery detection, prompt learning, CLIP deepfake detection のボトルネックを扱い、研究上の有効性だけでなく調達、コンプライアンス、エンジニアリングの観点でも評価できる形にすることだ。

主要結果

結果は、精度、効率、ロバスト性、汎化の改善を示す。技術評価では単一スコアより、導入リスクを下げ適用範囲を広げられるかが重要になる。

要旨

Generalizable Face Forgery Detection via Separable Prompt Learning は、視覚エンコーダーだけでなくテキスト側に注目し、CLIP を顔偽造検出器へ適応する。プロンプト学習と cross-modality alignment により、偽造特有の手がかりと無関係な手がかりを分離し、データセット間・手法間の汎化を改善する。

研究の出発点

動機は、Deepfake検出が研究ベンチマークから実運用へ移る中で、face forgery detection, prompt learning, CLIP deepfake detection がプライバシー、コスト、安定性、体験に直結する点にある。

手法

アプローチは「Generalizable Face Forgery Detection via Separable Prompt Learning」を軸に、face forgery detection, prompt learning, CLIP deepfake detection に向けた構造設計、学習戦略、またはシステム最適化を組み合わせる。アルゴリズムを実装可能な製品能力へ近づける点が重要である。

論文要点

要するに、この論文は2026年4月のDeepfake検出において、face forgery detection, prompt learning, CLIP deepfake detection が製品化と企業評価の主要論点になっていることを示している。

論文 022026-04-14cs.CV

LRD-Net：クロスドメイン顔偽造検出のための軽量Real-Centered検出ネットワーク

arXiv PDF

著者・所属

Xuecen Zhang

Department of Computer Science and Engineering, University at Buffalo, The State University of New York, Buffalo, NY, USA

Vipin Chaudhary

Department of Computer Science and Engineering, University at Buffalo, The State University of New York, Buffalo, NY, USA

何を解決するか

中心課題は、Deepfake検出における cross-domain deepfake detection, lightweight face forgery detection, frequency-guided detection のボトルネックを扱い、研究上の有効性だけでなく調達、コンプライアンス、エンジニアリングの観点でも評価できる形にすることだ。

主要結果

結果は、精度、効率、ロバスト性、汎化の改善を示す。技術評価では単一スコアより、導入リスクを下げ適用範囲を広げられるかが重要になる。

要旨

LRD-Net は、周波数ガイダンスと MobileNetV3 風の空間バックボーンを組み合わせた軽量クロスドメイン顔偽造検出器である。real-centered learning 戦略で表現を本物の顔の周囲に固定し、未知の偽造への堅牢性を高めながら、モデルを小さく高速に保つ。

研究の出発点

動機は、Deepfake検出が研究ベンチマークから実運用へ移る中で、cross-domain deepfake detection, lightweight face forgery detection, frequency-guided detection がプライバシー、コスト、安定性、体験に直結する点にある。

手法

アプローチは「LRD-Net: A Lightweight Real-Centered Detection Network for Cross-Domain Face Forgery Detection」を軸に、cross-domain deepfake detection, lightweight face forgery detection, frequency-guided detection に向けた構造設計、学習戦略、またはシステム最適化を組み合わせる。アルゴリズムを実装可能な製品能力へ近づける点が重要である。

論文要点

要するに、この論文は2026年4月のDeepfake検出において、cross-domain deepfake detection, lightweight face forgery detection, frequency-guided detection が製品化と企業評価の主要論点になっていることを示している。

論文 032026-04-17cs.CV

M3D-Net：Deepfake検出のためのマルチモーダル3D顔特徴再構成ネットワーク

arXiv PDF

著者・所属

Haotian Wu

Ant Group, China

Yue Cheng

Ant Group, China

Shan Bian

Ant Group, China

何を解決するか

中心課題は、Deepfake検出における 3d deepfake detection, multimodal forensic cues, facial reconstruction のボトルネックを扱い、研究上の有効性だけでなく調達、コンプライアンス、エンジニアリングの観点でも評価できる形にすることだ。

主要結果

結果は、精度、効率、ロバスト性、汎化の改善を示す。技術評価では単一スコアより、導入リスクを下げ適用範囲を広げられるかが重要になる。

要旨

M3D-Net は、RGB画像から顔の幾何と反射特性を再構成し、その3D手がかりを通常の視覚特徴と融合して deepfake 検出を行う。目的は、単純なピクセルアーティファクトを超えて残る顔構造に検出を根付かせ、シナリオ間の汎化を高めることにある。

研究の出発点

動機は、Deepfake検出が研究ベンチマークから実運用へ移る中で、3d deepfake detection, multimodal forensic cues, facial reconstruction がプライバシー、コスト、安定性、体験に直結する点にある。

手法

アプローチは「M3D-Net: Multi-Modal 3D Facial Feature Reconstruction Network for Deepfake Detection」を軸に、3d deepfake detection, multimodal forensic cues, facial reconstruction に向けた構造設計、学習戦略、またはシステム最適化を組み合わせる。アルゴリズムを実装可能な製品能力へ近づける点が重要である。

論文要点

要するに、この論文は2026年4月のDeepfake検出において、3d deepfake detection, multimodal forensic cues, facial reconstruction が製品化と企業評価の主要論点になっていることを示している。