待验证50% 置信事实精确时间
顶级深度伪造检测模型碰到经过压缩的视频时识别率会大幅下降
1
来源数
50%
置信度
长期有效
时效性
2026/7/18
首次发现
来源
相关事实
待验证视频生成模型对输入prompt长度有隐性偏好，过长会稀释关键视觉指令权重，过短则可能丢失风格和氛围信息70% 相似待验证高度写实的AI图像降低了虚假新闻配图、伪造证据和深度伪造内容的门槛67% 相似待验证模板/素材越丰富的软件（剪映素材库百万级）越易出同质化内容，靠模板的视频难有辨识度；追求原创风格应减少模板依赖66% 相似待验证基于深度学习的视觉分类模型可识别未被标记过的新内容，覆盖面更广但误报风险显著更高65% 相似待验证Dice Loss和IoU Loss对前景像素的相对比例更敏感，天然缓解类别不平衡；Focal Loss通过动态降低易分类样本的权重迫使模型专注于困难像素64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/551991API
curl https://kongchang.com/api/v1/knowledge/claims/551991MCP
get_claim(id=551991)