汇报内容：

《Transcending Forgery Specificity with Latent Space Augmentation for Generalizable Deepfake Detection》。本文由香港中文大学（深圳的研究人员撰写，提出了一种名为LSDA（Latent Space Data Augmentation）的新检测器，旨在提高深度伪造检测的泛化能力。 LSDA基于一个启发式想法：通过扩大伪造特征的多样性，模型能够学习到更通用的决策边界，从而减轻对特定伪造特征的过拟合。具体来说，该方法通过在潜在空间内构建和模拟伪造特征的内部和跨域变化来扩展伪造空间。在潜在空间内，作者设计了三种特定的增强技术：离心变换、仿射变换和加性变换，用于多样化每种伪造类型；同时，利用Mixup技术在不同伪造特征之间进行平滑过渡。此外，作者还引入预训练的人脸识别模型ArcFace来帮助检测模型学习更鲁棒和全面的真实特征表示。