超越音视频对齐：通过 HSV 色彩空间中的红色色相差异揭露说话人头像深度伪造

基于摘要分析。该研究面向说话人头像视频的深度伪造检测，针对现有数据集缺少辐射场生成视频、以及音视频失配方法难以检测唇形高度同步伪造的问题，提出 RFAV 数据集与 Red Hue-based Talking Head Forgery Detection（RHTHFD）模型。研究对象是音视频内容真实性检测，而非 EEG 或 BCI 信号分析。 数据方面，Radiance Field Audio-Visual（RFAV）包含采用 Neural Radiance Fields（NeRF）与 3D Gaussian Splatting（3DGS）合成的伪造视频，用于补充辐射场生成内容的评估覆盖。摘要未提供数据规模、真实视频来源、身份划分或训练测试划分，相关协议尚未验证。 方法方面，作者观察到真实与伪造视频在 HSV 色彩空间的红色色相分布上存在差异，尤其集中于面部运动剧烈的区域。RHTHFD 被作者描述为无监督学习框架，利用视觉区域注意力自适应融合 HSV 特征与视觉特征，并结合重新加权的语音特征，以改善深度伪造检测的泛化。其核心思路是补充传统音视频对齐线索，而非仅依靠唇形与语音不同步。具体色相特征定义、注意力实现、语音重加权方式、损失函数及无监督训练条件尚未验证。 作者报告，该方法在包括 RFAV 在内的多个评估基准上达到最先进性能，但摘要未给出基准名称、指标数值、对照方法或评估划分，因此无法核对性能增益及不同协议下的可比性。需进一步核对红色色相线索对光照、肤色、压缩与色彩处理的敏感性，以及不同生成方式之间的泛化；这些属于待验证问题，不代表作者未开展相关实验。实验协议、消融及统计信息尚未验证，代码与数据获取条件亦未确认。材料未提供与 EEG/BCI 的具体机制对应关系，因此不据此提出迁移效果或复现实验建议。