基于质量感知与多尺度对齐的音视频深度伪造检测方法

本发明公开了一种基于质量感知与多尺度对齐的音视频深度伪造检测方法，包括如下步骤：对同步音视频序列进行编码，获得帧级视觉特征、面部动作单元与音素级语音表示；引入视觉质量评估模块生成空间可靠性掩码，对视觉特征进行质量加权；设计全局—局部多尺度跨模态对齐机制，在全局以双向跨注意力建模语音与面部动态同步，在局部将音素与面部动作单元进行生理耦合对齐；提出不确定性感知推理与校准方案，依据质量与一致性自适应温度缩放并以自监督损失进行不确定性校准。本发明解决了现有方法在低质量视频与高度同步伪造场景下鲁棒性不足及过度自信误判的问题，显著提升跨数据集泛化能力与实际部署可靠性。