面部动作分析识别深度伪造准确率超95%

在生成式AI的浪潮下，深度伪造视频几乎到了以假乱真的地步。如何可靠地识破它们，成了学界和业界共同头疼的问题。最近，德国马克斯·普朗克信息学研究所等机构的科学家们，带来了一种全新的检测思路——不再盯着画面里的像素瑕疵，而是转而观察视频中人物的面部表情是否自然。在基准数据集测试中，这套方法的平均检测准确率超过了95%，成功揪出了许多现有检测器无能为力的伪造操作。相关论文已提交至2026年IEEE/CVF计算机视觉与模式识别会议。

现有最精准的深度伪造检测器，大多依赖监督学习——先拿大量标注好的真实与篡改视频来训练，让模型学会辨别。可问题在于，这类系统很容易“死记硬背”住已知的伪造手法，一旦遇到从未见过的篡改花样，立马就抓瞎。这就是过拟合：在训练数据上表现优异，但泛化能力差得可怜。

相比之下，自监督方法只靠真实视频进行训练，理论上对新出现的伪造技术更“抗造”，但此前检测精度一直偏低。而新方法首次把高稳定性和高识别率捏在了一起，表现甚至超过了众多监督学习的对手。

新系统放弃了那些可疑的像素级痕迹，转而聚焦于视频中人脸的面部动态。它植根于广泛使用的FLAME模型——这个模型用53个参数从数学上刻画面部表情，在计算机图形学与面部动画领域很常见。团队先拿超过450小时的公开视频预训练模型，让它学会预测人们说话时面部动作的自然规律。

分析时，系统会把视频里实际可见的面部动作，与FLAME模型给出的面部动作参数进行比对。如果两者差距很大，那基本可以断定视频被动了手脚。

实验中，这套方法在多个成熟基准数据集上均录得了超过95%的平均准确率，刷新了此前的最佳纪录。尤其值得一提的是，团队还利用OpenAI的前沿视频生成模型Sora 2，专门制作了另一套基准数据集。此前的深度伪造检测器面对这批视频，表现几乎跟掷硬币差不多——完全靠蒙，而新方法依然正确识别出了近95%的伪造视频。

当然，新系统也有短板：它需要在强劲的硬件上完成大规模预训练，目前还做不到实时应用。不过，这条“以表情见真伪”的新路子，无疑给深度伪造检测打开了另一扇窗。