Agent4FaceForgery：用于逼真人脸伪造检测的多智能体 LLM 框架
计算机视觉与模式识别
2025-09-17 v1
摘要
人脸伪造检测面临一项关键挑战：离线基准与真实世界效能之间存在持续差距，我们将其归因于训练数据的生态效度不足。本工作提出 Agent4FaceForgery 以解决两个基本问题：(1) 如何捕捉人类伪造创作中多样的意图与迭代过程，以及 (2) 如何建模社交媒体中伴随伪造的复杂且常具对抗性的文本-图像交互。为此，我们提出一个多智能体框架，其中由 LLM 驱动、配备个人档案与记忆模块的智能体模拟伪造创作过程。关键在于，这些智能体在模拟社交环境中交互，生成标注有细微文本-图像一致性的样本，超越了简单的二元分类。自适应拒绝采样 机制确保了数据质量与多样性。大量实验验证，由我们仿真驱动方法生成的数据为多种架构的检测器带来显著性能提升，充分证明了本框架的有效性与价值。
引用
@article{arxiv.2509.12546,
title = {Agent4FaceForgery: Multi-Agent LLM Framework for Realistic Face Forgery Detection},
author = {Yingxin Lai and Zitong Yu and Jun Wang and Linlin Shen and Yong Xu and Xiaochun Cao},
journal= {arXiv preprint arXiv:2509.12546},
year = {2025}
}