GenLie: 희소성과 의미적 간섭 하에서의 전역 증강 기반 거짓말 탐지 네트워크

GenLie: A Global-Enhanced Lie Detection Network under Sparsity and Semantic Interference

영상 기반 거짓말 탐지는 시각적 단서를 통해 기만적인 행동을 식별하는 것을 목표로 합니다. 최근의 발전에도 불구하고, 핵심적인 과제는 희소하면서도 차별적인 표현을 학습하는 데 있습니다. 기만적인 신호는 일반적으로 미묘하고 짧게 나타나며, 불필요한 정보에 쉽게 압도될 수 있습니다. 또한, 개인 및 상황적 변동은 강한 개인 정보 관련 노이즈를 유발합니다. 이러한 문제를 해결하기 위해, 우리는 전역적인 제어를 통해 지역적 특징 모델링을 수행하는 GenLie라는 거짓말 탐지 네트워크를 제안합니다. 구체적으로, 희소하고 미묘한 기만적인 단서를 지역 수준에서 캡처하며, 전역적인 제어 및 최적화를 통해 개인 정보 관련 노이즈를 억제하여 강력하고 차별적인 표현을 보장합니다. 세 개의 공개 데이터 세트(고위험 및 저위험 시나리오 모두 포함)에 대한 실험 결과, GenLie는 최첨단 방법보다 일관되게 우수한 성능을 보였습니다. 소스 코드는 https://github.com/AliasDictusZ1/GenLie 에서 확인할 수 있습니다.

Video-based lie detection aims to identify deceptive behaviors from visual cues. Despite recent progress, its core challenge lies in learning sparse yet discriminative representations. Deceptive signals are typically subtle and short-lived, easily overwhelmed by redundant information, while individual and contextual variations introduce strong identity-related noise. To address this issue, we propose GenLie, a Global-Enhanced Lie Detection Network that performs local feature modeling under global supervision. Specifically, sparse and subtle deceptive cues are captured at the local level, while global supervision and optimization ensure robust and discriminative representations by suppressing identity-related noise. Experiments on three public datasets, covering both high- and low-stakes scenarios, show that GenLie consistently outperforms state-of-the-art methods. Source code is available at https://github.com/AliasDictusZ1/GenLie.