在 3DMM 空间内：探索用于视频伪造检测的内在三维伪影

基于摘要分析。本文研究人脸深度伪造视频检测，提出 3D Artifact Detector（3DAD），利用三维语义空间中的时空不一致性寻找伪造线索，并融合图像纹理信息进行检测；其主要研究对象是人脸视频，而非 EEG 或 BCI。 机制上，作者使用 3D Analysis Unit（3DAU）在 3D Morphable Model（3DMM，三维可变形模型）空间内预训练人脸重建任务，以获得高层三维表征；同时通过 Texture Perception Unit（TPU）提取图像低层语义空间中的纹理信息，最终将两类表征输入时空融合模型完成检测。相较于摘要所述的局部人脸线索分析，以及仅将三维信息作为输入的方法，其方法侧重点是显式挖掘三维表征中的时空不一致性，并结合不同层级的信息。 作者报告，在公开数据集上的数据集内及跨数据集实验支持该方法的有效性与泛化能力。摘要未提供数据集名称、划分方式、对照基线及具体指标，因此不能据此量化性能提升或比较不同协议下的结果。重建预训练与检测训练的衔接方式、时空融合结构、实验协议、消融及统计信息尚未验证。摘要提供了代码仓库地址，但实现完整性与复现条件尚未核验。 该方法依赖人脸几何先验、3DMM 重建任务及视频纹理信息；现有材料未给出这些机制与 EEG/BCI 的具体对应关系，因此不将其改写为神经信号算法创新，也不提出缺乏依据的迁移实验。