基于注意力引导和增量学习的生成式图像伪造检测方法

本发明公开了一种基于注意力引导和增量学习的生成式图像伪造检测方法，构建端到端检测模型，包含多模态特征编码模块、A‑DTG模块、增量学习模块和分类模块。A‑DTG模块利用自注意力机制和多模态注意力融合技术生成域标签；增量学习模块结合在线增量学习算法、知识蒸馏和迁移学习技术实现模型实时更新；通过分类损失函数、蒸馏损失函数和总损失函数优化模型训练。本发明有效解决了现有技术对新型伪造技术检测能力不足、多模态数据处理弱以及模型无法实时更新的问题，在新闻媒体、司法取证、社交媒体等场景中，能显著提高图像伪造检测的准确性、泛化性和时效性。