ARISE：面向持续多模态伪造检测的真实参考稳定性增强方法
英文标题：ARISE: Authentic Reference-Informed Stability Enhancement for Continual Multimodal Forgery Detection
多模态伪造检测传统上建立在训练攻击能够近似部署后实际攻击的静态假设之上。然而，随着生成器、编辑系统和多模态大模型的快速演变，这种静态假设正面临严峻挑战。为此，研究团队提出了 ARISE 框架，通过引入真实参考信息的稳定性增强机制来应对持续多模态伪造检测问题。该工作对提升深度伪造检测系统在开放、动态演化环境下的长期鲁棒性与防护能力具有重要价值。
打开原文相关 2.4 · 机会 0
2.0 KB
612 B
380 B
24.2 KB
34.7 KB
中文
arXiv:2610.36509v1 公告类型：新增（new）
摘要
多模态伪造检测通常在静态假设下开展研究：即假定训练过程中遇到的攻击手段能够近似系统部署后所面临的攻击。然而，随着各类生成器、编辑系统以及多模态大模型的快速演化，这一假设正变得越发脆弱……
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×