تواجه أنظمة الكشف عن الصور المفبركة تحديات كبيرة عندما يتم استخدامها مع طرق جديدة للتلاعب، مما يؤثر سلباً على موثوقيتها في البيئات الحقيقية. تعتمد معظم هذه الأنظمة على النماذج التي تم تدريبها على طرق تلاعب محددة، مما يجعل قدرتها على التعامل مع التلاعبات غير المعروفة ضعيفة. ولكن، مع الابتكار الجديد WAVIE (التضمينات الوسيطة المعززة بالموجات)، قد تتغير المعادلة.

WAVIE يقدم معمارية متكاملة تربط بين المعلومات المكملة من المجالات المكانية والترددية، ويعتمد على بنية CLIP المجمدة. يضم WAVIE وحدة تعلم خفيفة لفك الشفرات ويطبق تحويل الموجة القابل للانفصال (Daubechies-6) على ثلاثة مستويات، مما يعزز دقة البيانات ويعيد بناء الميزات عبر تحويل الموجة العكسية.

الأداء الذي حققته WAVIE مذهل، حيث سجلت AUROC يبلغ 0.852 على مجموعة بيانات Celeb-DF-v1 و0.852 على Celeb-DF-v2 و0.831 على WildDeepFake (WDF) عند مستوى الإطار، متفوقةً على العديد من المعايير الرائدة في هذا المجال.

تسلط الدراسات التقدمية الضوء على أهمية وحدة الموجات وتجميع الميزات الوسيطة في تحسين الأداء عبر مجموعات البيانات المختلفة، مما يبرز الحاجة إلى استخدام المعرفة المكانية والترددية بصورة مشتركة.

مع نتائج WAVIE، يبدو أن الطريق نحو تحسين أنظمة كشف الصور المفبركة في العالم الواقعي أصبح أكثر وضوحًا وأكثر قوة، مما يوفر أداة قوية لمكافحة التضليل الرقمي والحفاظ على مصداقية المعلومات.