運用 CLIP 與 DINO：不確定感知串級融合網路提升 Deepfake 圖片檢測通用性
為何重要
Deepfake 檢測的挑戰在於新穎攻擊手法打破舊模型壁壘；本研究證明混搭 CLIP 與 DINO 等開源模型能顯著緩解過擬合問題，為構建企業級 AI 內容審核或學術平臺提供了具體路徑。對於開發者而言，此技術路徑展示瞭如何在未標註資料受限時，透過異質模型融合來提升系統的安全性與通用性。
針對數位雷假威脅信賴度與現有檢測器易過擬合的問題，研究團隊提出 UCF-Net 以提升模型泛化能力。
- UCF-Net 整合 CLIP 的語言對齊先驗與 DINO 的自我監督視覺先驗，採用逐層專家聚合與熵權重融合技術。
- 研究團隊建構約 400 萬張圖片的統一資料集，並準備了 8,000 多張來自八個最新生成器的臉部圖片進行評估。
- UCF-Net 在統一基準的跨領域與跨生成器評估中取得最佳平均 AUC，且在受限目標域資料下適應性良好。