dumai
ИИHugging Face Daily Papers

Новая программа в тестах лучше прежних отличала лица от ИИ от настоящих

Препринт, ещё не рецензирован · ранние данные

Кратко

Систему TwinD обучали на специально созданных «двойниках» настоящих кадров и проверили на 19 наборах данных. По показателю способности отличать подделку от настоящего кадра она набрала 95,6% для лиц, созданных целиком, против 78,1% у лучших прежних систем.

Зачем это знать?

Проверка видео может стать надёжнее для разных способов создания лиц с помощью ИИ. Насколько система справится с новыми подделками вне испытательных наборов, неизвестно.

Разбор

Программу обучали на поддельных кадрах и двух видах их искусственных двойников. Для первого вида настоящий кадр заново создавали с помощью программы и возвращали на случайный участок исходные пиксели. Для второго изменённую копию кадра смешивали с оригиналом.

Программа также хорошо различала кадры, в которых созданное лицо вклеили в настоящую запись. На десяти наборах таких кадров показатель различения составил 98,1% против 96,2% у лучшей прежней программы. Даже без обучения на наборе готовых подделок, только на двойниках, показатель в среднем за три запуска достигал 94,3%.

Ключевые цифры

98,1% против 96,2%Таким был показатель различения настоящих и поддельных кадров со вклеенными лицами у новой и лучшей прежней программы соответственно.
94,3%Такого среднего показателя различения программа достигла за три запуска, когда её обучали только на искусственных двойниках.
96,3%Таков средний показатель различения новой программы при общей проверке: на 8,9 процентного пункта выше прежнего лучшего результата.

Можно ли доверять

Программу проверили на 19 наборах данных с настоящими и поддельными кадрами и сравнили с прежними программами. Проверка показывает результат на этих наборах, но не гарантирует, что программа так же хорошо распознает новые подделки вне них.

  • Это препринт, а не прошедшая рецензирование статья.
  • Результат получен на бенчмарке из 19 датасетов; по аннотации неясно, насколько хорошо метод работает на реальных новых дипфейках вне этого набора.
  • AUROC — показатель качества классификации, а не гарантия, что конкретный ролик удастся надёжно проверить.

Пересказано ИИ по научной статье. Это научпоп, а не совет врача. Как это устроено

Источник и детали
ЖурналarXiv (via Hugging Face)
Дата публикации у нас21 ноября 2026 г.
Дата источника18 ноября 2026 г.
ОригиналОткрыть
АвторыAndrii Yermakov, Jan Cech, Mario Fritz, Jiri Matas