Venus-DefakerOne2：把多类视觉伪造检测纳入统一模型

导语

现实中的“伪造”并不只有换脸。它可能来自图像编辑、生成式模型、文档篡改，也可能是通过屏幕、照片或其他实体媒介对视觉系统进行物理欺骗；与此同时，攻击对象还从静态图片扩展到了视频。Venus-DefakerOne2的核心目标，是用一个覆盖面更广的视觉取证基础模型，处理这些原本经常由不同专用检测器分别承担的二分类判断任务。

核心要点

• 覆盖更广的伪造形态。 论文将检测范围扩展到深伪人脸、AI生成图像、篡改文档、被操纵的自然图像、物理欺骗和AI生成视频六类场景。
• 训练策略兼顾效率与适应性。 模型使用数千万条开源及内部样本训练，并提出Tide-Style-Tuning：在LoRA微调与全参数微调之间交替，以平衡计算开销、泛化能力和困难样本拟合，同时缓解灾难性遗忘。
• 测试时选择预测方式。 Entropy-based Test Adaptation通过分析预测熵，决定采用更合适的预测模态。素材没有进一步说明模态选择的具体形式，但其目标是让模型在不同输入条件下减少不确定性带来的影响。
• 多任务基准表现。 论文报告的准确率包括：深伪人脸96.7%、AI生成图像93.3%、篡改文档87.6%、操纵自然图像89.6%、物理欺骗93.1%、AI生成视频96.0%。作者称其整体表现超过专用专家模型及前代DefakerOne。

这项工作的意义

这项研究的价值首先在于重新定义了视觉取证模型的覆盖范围。过去的检测器往往围绕一种伪造类型或一种媒体形态设计，换到新数据分布、新压缩方式或新攻击媒介后，性能可能难以直接迁移。Venus-DefakerOne2则把“统一模型”作为主要方向，试图让同一套能力跨越图像、视频、数字编辑和物理欺骗等边界。

Tide-Style-Tuning也反映出基础模型训练中的现实矛盾：只使用参数高效微调可以节省资源，但可能限制对困难样本的适应；持续进行全参数训练则成本更高，也更容易遗忘已有能力。交替策略提供了一种折中思路，不过其实际收益仍需要结合完整消融实验、数据构成和跨域测试来判断。

需要注意的是，摘要中的百分比不能单独等同于真实环境中的误报率、漏报率或安全性。素材没有给出各基准的数据规模、阈值设定、类别平衡情况和推理开销，因此这些结果更适合作为论文报告的横向信号，而不是对所有应用场景的直接保证。对于内容审核、身份验证和媒体溯源等高风险任务，模型输出仍应与人工复核、来源信息及其他取证证据结合使用。

总体来看，Venus-DefakerOne2展示了视觉反伪从“单点专家”走向“多场景基础模型”的路线：扩大训练覆盖面，用混合微调保留泛化能力，再通过测试时适配处理输入差异。它能否在未见过的生成工具、真实拍摄环境和持续演化的攻击上保持稳定，还需要更多公开细节与独立复现验证。

Hugging Face Daily Papers