基于相位一致性边缘特征与3D视觉状态空间建模的双流时空伪造检测技术

本文创新性地提出了一种双流时空伪造检测框架（PC-EAM+3D-VSSM），通过相位一致性边缘特征（Phase-Consistency Edge）挖掘图像深层伪造痕迹，结合3D视觉状态空间模型（Mamba）解析时空篡改模式。该方法在FaceForensics++等四大基准测试中实现检测精度（accuracy）、跨数据集泛化性（cross-dataset）和抗干扰鲁棒性（robustness）的三重突破，为应对Deepfake技术滥用提供了新范式。

　　

亮点

本研究首次将相位一致性边缘分析（PC-EAM）与3D视觉状态空间建模（3D-VSSM）相结合，通过双流架构同步捕捉空间纹理异常（如边缘伪影）和时序动态破绽（如帧间不连续），在Deepfake检测领域实现三大创新：1）利用图像相位信息放大跨伪造方法的共有痕迹；2）通过多帧合成策略平衡时空特征权重；3）引入状态空间模型（SSM）处理长序列时空依赖，显著提升模型抗压缩/裁剪干扰能力。

方法

如图1所示，网络采用双流架构处理RGB时空图像与相位边缘图。PC-EAM模块通过频域分析提取边缘纹理伪影，生成包含深层伪造痕迹的相位-边缘特征；3D扫描视觉状态空间模型则通过选择性扫描机制（selective scanning）建模帧间动态异常，其门控单元可自适应聚焦关键时空区域。损失函数采用FocalLoss，优化器为AdamW（初始学习率5×10^-4，最低1×10^-5），配合余弦退火算法动态调整。

实验

在FaceForensics++、Celeb-DFv2等数据集上的实验表明：1）跨数据集测试AUC提升8.3%，证实相位边缘特征对未知伪造方法的泛化性；2）经H.264压缩后检测精度仅下降2.1%，显著优于传统CNN/LSTM方法；3）可视化显示模型能准确定位眼部/嘴部区域的时空不一致性。

结论

该研究通过相位域-时空域双线索协同检测，为对抗进化型Deepfake提供了新思路。未来将探索轻量化部署方案以应对实时检测需求。

（注：翻译严格遵循1）去除文献标识；2）专业术语中英文对照；3）使用^{/_{标注上下标；4）避免特殊符号转义）}}