基于域适应解析增量学习的多模态深度伪造检测方法

本申请涉及一种基于域适应解析增量学习的多模态深度伪造检测方法。所述方法包括：构建多模态深度伪造检测优化模型；在任务‑域解析增量学习模块设计任务域解析增量学习机制，递归学习多模态深度伪造序列任务中不同数据域和检测标签之间的映射关系，根据映射关系对输入的多模态视频数据进行解析，输出初始检测结果；在视觉‑音频表示增量适应模块设计了视听觉表征持续适配方法学习新任务的独特可区分的多模态表示，并将多模态表示与初始数据原型空间对齐实现对初始检测结果的优化，得到最终检测结果。采用本方法能够提高检测模型在多模态深度伪造持续检测任务中性能。