待验证50% 置信观点精确时间
在实验室干净输出上表现完美的深度伪造检测器，进入真实内容分发环境经过平台图像处理后可能判别能力急剧下降
1
来源数
50%
置信度
长期有效
时效性
2026/8/27
首次发现
来源
涉及实体
相关事实
待验证绝大多数深度伪造检测模型在'干净'的生成器输出上训练和评估，但现实中图片到达检测系统前已经历JPEG重压缩、分辨率缩放、色彩空间转换、EXIF剥离等多轮变换79% 相似待验证深度伪造检测器通常依赖像素级微小异常、高频噪声模式或压缩伪影中的生成器特征，而平台处理会系统性地破坏或覆盖这些信号75% 相似待验证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74% 相似待验证在深度伪造检测的生产环境中真实图像与伪造图像比例可能高达1000:1甚至更高，极端不平衡下AUC对长尾失败几乎没有区分度73% 相似待验证对一张被神经网络正确分类的图像叠加人眼几乎不可见的微小扰动后，模型输出会以极高置信度发生错误69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/809536API
curl https://kongchang.com/api/v1/knowledge/claims/809536MCP
get_claim(id=809536)