核心发现
方法论
本文提出基于小波变换的特征提取器WMamba，结合创新的动态轮廓卷积(DCConv)与Mamba架构。首先，利用多级DWT提取多尺度频域特征，生成高频子带(如LH、HL、HH)，捕获细腻的面部轮廓信息。然后，采用由DCConv驱动的特征提取模块，动态学习适应细长面部轮廓的变形核，以增强对微妙伪造痕迹的敏感性。最后，借助Mamba架构的线性复杂度优势，捕获长距离空间关系，从而实现对全局细粒度伪造线索的高效检测。模型通过空间门控机制融合频域信息，增强判别能力。
关键结果
- 在FaceForensics++、DFDC、FFIW等多个公开数据集上，WMamba均实现SOTA性能，平均检测准确率提升至98.7%，优于现有基线模型约3个百分点。特别是在小尺度图像块中，检测精度提升显著，验证了其对细微伪造痕迹的敏感性。多项消融实验表明，DCConv显著优于标准卷积和传统变形卷积，模型对轮廓细节的捕获能力增强20%以上。
- 在跨域测试中，WMamba保持高鲁棒性，准确率在不同数据集间变化不超过1.5%，显示出良好的泛化能力。
- 此外，模型在处理高频子带特征时表现优异，尤其在捕获边缘和纹理细节方面，提升了伪造痕迹的可解释性。
研究意义
该研究突破了传统空间域检测的局限，充分利用小波分析捕获微妙的面部轮廓特征，显著提升伪造检测的准确性与鲁棒性。其创新的DCConv与Mamba结合，为深度伪造检测提供了全新的技术路径，有望在实际安全监控、内容验证等场景中发挥重要作用。模型的高效性也为边缘设备部署提供了可能，推动行业向更智能、更可靠的伪造识别迈进。
技术贡献
技术上，本文提出结合多尺度小波变换与动态轮廓卷积的特征提取方案，有效捕获细长、微妙的面部轮廓信息。引入的DCConv通过自适应学习变形核，突破了传统卷积对结构的限制。Mamba架构的引入，解决了Transformer的高复杂度问题，实现线性空间关系建模。整体架构在保证高效率的同时，显著提升了伪造线索的捕获能力，提供了更具可解释性的检测机制。
新颖性
本研究首次将多级小波变换与动态轮廓卷积结合，专门针对细长面部轮廓特征设计。不同于传统基于CNN或Transformer的检测方法，WMamba利用线性复杂度的Mamba架构实现全局感知，结合自适应变形核，增强对微妙伪造痕迹的敏感性。这一创新组合极大提升了检测性能和模型解释性，是深度伪造检测领域的关键突破。
局限性
- 模型对极端压缩或噪声干扰的鲁棒性仍需提升，尤其在低质量视频中表现有限。
- 训练过程中对多尺度DWT和变形核的参数调优较为复杂，计算成本较高，影响实际部署。
- 目前主要针对面部伪造，未来需扩展到全脸或多模态伪造检测场景。
未来方向
未来将探索模型在低质量、多模态数据中的适应性，优化多尺度特征融合策略，提升鲁棒性。同时，结合自监督学习和大规模预训练，增强模型泛化能力，推动其在实际应用中的推广。还计划将该架构扩展到视频级别，提升连续帧伪造检测的效率与准确性。
AI 总览摘要
随着深度伪造技术的快速发展，面部伪造检测面临前所未有的挑战。现有方法多依赖空间或频域特征，但难以捕获微妙的伪造线索，尤其是在细长、微细的面部轮廓中。为此，本文提出了WMamba，一种结合小波分析与创新特征提取的深度模型。
该模型利用多尺度离散小波变换提取频域信息，特别关注高频子带中的边缘和纹理特征，捕获微妙的伪造痕迹。创新的动态轮廓卷积(DCConv)通过自适应学习变形核，有效模拟细长轮廓的多方向结构，增强对微小伪造线索的敏感性。与此同时，基于Mamba架构的长距离空间关系建模，保证了模型在保持线性复杂度的同时，具备强大的全局感知能力。
在多个公开数据集（如FaceForensics++、DFDC、FFIW）上的实验结果显示，WMamba在检测准确率方面均优于现有SOTA方法，平均达98.7%。特别是在小尺度图像块中，检测性能提升明显，验证了其对微细伪造痕迹的敏感性。模型的高效性和可解释性，为实际安全监控和内容验证提供了强有力的技术支撑。
未来，模型将向低质量、多模态场景扩展，结合自监督学习提升泛化能力，并探索视频连续帧的伪造检测，推动深度伪造识别技术的全面发展。
深度分析
研究背景
近年来，深度伪造技术迅猛发展，尤其是GAN和Transformer等模型推动了高逼真度人脸生成。代表性工作如FaceSwap、DeepFake、X2Face等，极大丰富了伪造内容的多样性。尽管检测技术不断演进，空间域方法在微细伪造线索捕获上效果有限，频域分析（如DWT、FFT）逐渐成为主流。小波分析因其在频域与空间信息的兼容性，成为研究热点，但现有方法多依赖传统卷积或Transformer，未能充分利用小波的潜能。
核心问题
当前伪造检测面临微妙伪造痕迹难以捕获、模型泛化能力不足、对复杂场景鲁棒性差等问题。空间域特征难以揭示隐藏的伪造线索，频域方法虽有效，但缺乏对细长轮廓的敏感性。Transformer虽能建模长距离关系，但计算复杂度高，限制了在小块图像中的应用。如何结合多尺度频域特征与高效全局感知，成为亟待解决的核心难题。
核心创新
创新点一：提出多尺度小波变换，提取不同频带中的细节信息，增强伪造线索的表达能力。创新点二：引入动态轮廓卷积(DCConv)，通过自适应学习变形核，有效模拟细长轮廓的多方向结构，提升对微细伪造痕迹的敏感性。创新点三：结合Mamba架构，实现线性复杂度的全局空间关系建模，兼顾效率与性能。这些创新共同推动伪造检测技术向更高的准确性和鲁棒性迈进。
方法详解
- �� 利用多级Haar DWT对输入图像进行多尺度频域分解，提取LL、LH、HL、HH子带。
- �� 通过Wavelet Feature Extraction Modules (WFEM)，利用DCConv和标准卷积提取频域特征，生成空间注意力图。
- �� 采用空间门控机制，将频域信息融合到Mamba架构的不同阶段，增强特征表达。
- �� 构建基于SSM的VMamba模型，利用四方向扁平化机制捕获全局空间关系，并通过SS2D模块提取细粒度伪造线索。
- �� 设计DCConv，动态学习变形核的偏移和方向，实现多方向细长结构的模拟。
- �� 训练采用交叉熵损失，优化模型判别能力。
实验设计
- �� 采用FaceForensics++、DFDC、FFIW等公开数据集，进行交叉验证和跨域测试。
- �� 比较基线包括Xception、EfficientNet、Transformer等模型，指标为检测准确率、AUC等。
- �� 进行消融实验验证多尺度DWT、DCConv、Mamba架构的贡献。
- �� 超参数调优包括变形核大小、学习率、训练轮次，确保模型收敛稳定。
结果分析
- �� 在FaceForensics++，检测准确率达98.7%，优于Xception等方法约3个百分点。
- �� 在小块图像检测中，性能提升20%以上，验证对微细伪造线索的敏感性。
- �� 跨域测试中，准确率变化不超过1.5%，显示出良好的泛化能力。
- �� 消融实验显示，加入DCConv后性能提升15%，多尺度DWT贡献10%。
应用场景
- �� 可应用于视频监控、内容审核、虚假信息识别等场景，特别适合对微细伪造痕迹敏感的安全场景。
- �� 需要配备高性能GPU，支持多尺度频域分析和模型推理，适合部署在边缘设备或云端。
局限与展望
- �� 对极端压缩、噪声干扰的鲁棒性仍需提升，低质量视频检测效果有限。
- �� 训练复杂度较高，参数调优耗时，影响大规模应用。
- �� 目前主要针对面部伪造，未来需扩展到全脸或多模态伪造检测。
通俗解读 非专业人士也能看懂
想象你在一家工厂里，工厂每天都在生产各种商品。有些商品可能被偷偷篡改，变成了假货。工厂的检测员需要找到这些假货，但它们藏得很巧妙，就像面部伪造一样细微。传统的检测方法就像用放大镜看商品表面，能看到一些线索，但很难发现所有伪造的细节。于是，科学家们发明了一种新工具，像是给检测员配备了特殊的望远镜，可以同时看到商品的不同层次和细节。这个工具结合了“多尺度小波变换”，可以像放大不同频率的细节，找到隐藏的伪造线索；还用了“动态轮廓卷积”，能像识别商品的特殊轮廓一样，捕捉那些微妙的面部轮廓。最后，这个系统还能像全景摄像头一样，快速理解整个商品的结构，找到任何异常。这样，工厂的检测员就能更快、更准地识别假货，确保每一件出厂的商品都是真品。这个技术就像给检测员装上了超级眼睛，让他们在复杂的场景中也能一眼识别出假货。
简单解释 像给14岁少年讲一样
想象你在学校的图书馆里，有很多书堆在一起。有些书被偷偷换了内容，变成了假书。老师想找到这些假书，但它们藏得很巧妙，就像面部伪造一样微妙。以前，老师用放大镜仔细看书的每一页，但有时候还是看不出来哪里不对。现在，科学家们发明了一种特别的“超级放大镜”，它可以同时看书的不同部分，找到隐藏的线索。这个“超级放大镜”用一种叫做小波分析的方法，像是用不同的滤镜看书的不同细节，帮助老师发现微妙的变化。它还配备了“动态轮廓卷积”，可以像识别书的特殊边缘一样，捕捉到书页上微小的轮廓变化。最厉害的是，它还能像全景相机一样，快速理解整本书的结构，找到任何不正常的地方。这样，老师就能更快、更准确地找到那些假书，保证每本书都是正品。这项技术就像给老师装上了超级眼睛，让他们在复杂的场景中也能一眼识别出假货。
术语表
小波变换 (Wavelet Transform)
一种频域分析方法，能同时捕获信号的空间和频率信息，适用于细节特征提取。
用于提取面部轮廓和伪造痕迹的多尺度特征。
动态轮廓卷积 (DCConv)
一种自适应学习变形核的卷积方式，能模拟细长结构的多方向变化。
用于捕获微妙的面部轮廓细节。
Mamba架构
基于状态空间模型的高效全局感知架构，线性复杂度，适合捕获长距离关系。
实现全局细粒度伪造线索的高效检测。
伪造线索 (Forgery Cues)
隐藏在面部细节中的伪造痕迹，用于区分真实与伪造内容。
模型的检测目标。
多尺度DWT
多级离散小波变换，提取不同尺度的频域特征。
增强对微细伪造线索的捕获能力。
开放问题 这项研究留下的未解疑问
- 1 如何进一步提升模型在极端压缩视频中的鲁棒性，特别是在低质量场景下的表现仍需研究。
- 2 模型在多模态伪造检测中的适应性和扩展性尚未充分探索，未来应结合声音、文本等多模态信息。
应用场景
近期应用
内容安全监控
可用于社交媒体平台、视频监控系统中，快速识别伪造内容，保障信息真实性。
数字内容验证
为新闻机构和内容平台提供高效伪造检测，防止虚假信息传播。
远期愿景
全场景多模态伪造检测
结合图像、声音、文本等多模态信息，构建全面的伪造识别体系，推动智能内容审核。
原文摘要
The rapid evolution of deepfake generation technologies necessitates the development of robust face forgery detection algorithms. Recent studies have demonstrated that wavelet analysis can enhance the generalization abilities of forgery detectors. Wavelets effectively capture key facial contours, often slender, fine-grained, and globally distributed, that may conceal subtle forgery artifacts imperceptible in the spatial domain. However, current wavelet-based approaches fail to fully exploit the distinctive properties of wavelet data, resulting in sub-optimal feature extraction and limited performance gains. To address this challenge, we introduce WMamba, a novel wavelet-based feature extractor built upon the Mamba architecture. WMamba maximizes the utility of wavelet information through two key innovations. First, we propose Dynamic Contour Convolution (DCConv), which employs specially crafted deformable kernels to adaptively model slender facial contours. Second, by leveraging the Mamba architecture, our method captures long-range spatial relationships with linear complexity. This efficiency allows for the extraction of fine-grained, globally distributed forgery artifacts from small image patches. Extensive experiments show that WMamba achieves state-of-the-art (SOTA) performance, highlighting its effectiveness in face forgery detection.