自监督学习如何提升深度伪造检测的泛化能力？

1. 摆脱对标注伪造样本的依赖

传统监督学习依赖大量标注的真实/伪造数据集，容易对特定伪造技术过拟合，面对从未见过的新伪造方法时准确率大幅下降。自监督学习仅用真实视频训练，不接触实际深度伪造样本，因此对新伪造技术更鲁棒。

2. 学习自然的生理运动规律

以自监督音视频方法为例，模型在大量真实视频上预训练，学习从音频预测对应的自然面部运动参数（如 FLAME 模型用 53 个参数表示面部表情）。检测时比对视频中实际面部运动与音频预测的运动，显著偏差即为伪造迹象。

3. 兼顾鲁棒性与高检出率

自监督方法在多个基准数据集上实现了超过 95% 的平均检测准确率，并在面对新型视频生成模型伪造的内容时仍保持较高检出率，克服了早期自监督方法准确率偏低的短板。

4. 对抗压缩与噪声干扰

基于面部运动分析的自监督方法对图像压缩、噪声等失真更具鲁棒性，但通常需要大规模预训练和较强算力，目前尚不适用于实时场景。