近日，硕士研究生李汉哲在机器学习顶会NeurIPS上发表论文《FreqBlender: Enhancing DeepFake Detection by Blending Frequency Knowledge》。该论文作者为李汉哲（硕士研究生）、周佳然、李岳尊（指导老师，通讯作者）、吴保元、李斌和董军宇教授。NeurIPS（神经信息处理系统大会，全称 Neural Information Processing Systems）是机器学习和人工智能领域的顶级国际会议之一，本届NeurIPS于12月份在加拿大温哥华市举行，论文录用率为25.8%。

论文提出了一种名为FreqBlender的新方法，通过融合特定频率知识生成伪假脸，以提升检测泛化性。研究首先分析了真实场景中DeepFake人脸的主要频率成分，并提出了一种频率解析网络（Frequency Parsing Network），用于自适应地分割与伪造痕迹相关的频率成分。随后，将DeepFake人脸中篡改痕迹对应的频率信息融合到真实脸中，生成伪假脸。由于频率成分缺乏Ground Truth，论文设计了一种特殊的训练策略，利用不同频率知识之间的内部关联来指导学习过程。实验结果表明，该方法能够有效增强DeepFake检测能力，并具有作为其他方法即插即用策略的潜力。