EUVIMEDEUVIMED entdecken
Crossref

FedHybrid-ViT: A Federated-Hybrid Framework for Generalizable Deepfake Detection on Heterogeneous Data

Abdullah Mohammad Sakib, Md. Mohashin Hossain, Mahedy Hasan Foysal, A. K. M. Muzahidul Islam, Ishtiak Al Mamoon

Machine Learning · 2026-10 · 115 (10)

DOI: 10.1007/s10994-026-07171-2 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Machine Learning, online erschienen am 07.10.2026. Verfasst von Abdullah Mohammad Sakib und 4 weiteren Autor:innen. Die Arbeit nennt 13 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Zitieren

APA

Sakib, A. M., Hossain, M. M., Foysal, M. H., Islam, A. K. M. M., & Mamoon, I. A. (2026). FedHybrid-ViT: A Federated-Hybrid Framework for Generalizable Deepfake Detection on Heterogeneous Data. Machine Learning, 115(10). https://doi.org/10.1007/s10994-026-07171-2

Vancouver

Sakib AM, Hossain MM, Foysal MH, Islam AKMM, Mamoon IA. FedHybrid-ViT: A Federated-Hybrid Framework for Generalizable Deepfake Detection on Heterogeneous Data. Machine Learning. 2026;115(10). doi:10.1007/s10994-026-07171-2

BibTeX
@article{Sakib2026,
  author = {Sakib, Abdullah Mohammad and Hossain, Md. Mohashin and Foysal, Mahedy Hasan and Islam, A. K. M. Muzahidul and Mamoon, Ishtiak Al},
  title = {FedHybrid-ViT: A Federated-Hybrid Framework for Generalizable Deepfake Detection on Heterogeneous Data},
  journal = {Machine Learning},
  year = {2026},
  volume = {115},
  number = {10},
  doi = {10.1007/s10994-026-07171-2}
}
Kostenlos starten →