北京大学提出基于多模态大语言模型的可解释图像篡改检测定位

文章预览

↑ 点击 蓝字  关注极市平台 编辑丨极市平台 极市导读   本文 提出北京大学提出的FakeShield框架，这是一个基于多模态大语言模型的可解释图像篡改检测定位系统，它能够检测图像的真实性、生成篡改区域的掩膜，并提供基于像素伪影和图像语义错误的合理解释。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 随着生成式AI技术的快速发展，图像伪造和篡改变得越来越普遍，在真实性与安全性方面带来挑战。传统的图像伪造检测与定位（IFDL）方法存在检测原理未知和泛化性较差等问题。为了应对这些问题，本文提出了一种全新的任务：可解释的图像伪造检测与定位（e-IFDL），并设计了一个新颖的多模态伪造检测定位框架：FakeShield。如图1所示，与传统IFDL方法相比，FakeShield不仅能检测图像的真实性并生成篡改区域的掩膜，还可以基于像素伪 ………………………………