眼睛知道真相

基于摘要分析。研究以人类对 deepfake 视频的视觉感知与真伪辨别为主要对象，提出眼动数据库 FakeET，用于分析观看者识别合成视频伪影的能力，并提供 EEG 响应数据；其核心贡献是感知研究数据资源，而非已验证的 BCI 解码方法。 数据采集方面，FakeET 使用 Tobii 桌面眼动仪记录 40 名用户观看 Google Deepfake dataset 中 811 个视频的观看模式，每个视频至少被观看两次；此外还包含通过 Emotiv 传感器采集的 EEG 响应。摘要未明确 EEG 采集覆盖的用户与视频范围，也未说明眼动与 EEG 是否同步采集，相关条件尚未验证。 作者报告，真实与伪造视频引发不同的眼动特征，眼动显著性图可用于空间伪造定位与检测；作者还报告 EEG 响应中出现 Error Related Negativity（ERN，错误相关负波），且原始 EEG 信号能够区分真实与伪造视频。摘要未给出分类指标、对照基线、数据划分或被试内／跨被试评估背景，因此不能据此判断效应大小、个体泛化能力或与其他方法的优劣。 复现时需核对 ERN 的事件定义与时间锁定依据、EEG 预处理及伪迹控制、眼动显著性图的构建方式，以及训练测试是否隔离观看者与视频身份。数据库开放范围、任务标签、实验协议、消融及统计信息尚未验证。现有材料支持其作为 deepfake 感知与神经响应研究资源的阅读价值，但不构成实时 BCI 应用有效性的证据。