ForensicHub：面向全域假图像检测与定位的统一基准与代码库

假图像检测与定位（FIDL）领域高度碎片化，涵盖四个领域：深度伪造检测（Deepfake）、图像操纵检测与定位（IMDL）、人工智能生成图像检测（AIGC）以及文档图像操纵定位（Doc）。尽管个别领域已有基准，但针对 FIDL 全域的统一基准迄今空白。缺乏统一基准导致各领域数据集、模型与评估协议各自为战，缺乏互操作性，阻碍跨域比较，进而阻碍整个 FIDL 领域的发展。为破解领域壁垒，我们提出 ForensicHub——首个面向全域假图像检测与定位的统一基准与代码库。考虑到跨域数据集、模型与评估配置差异巨大，以及部分领域开源基线模型稀缺与个别基准缺失的情况，ForensicHub: i) 提出模块化、配置驱动的体系结构，将 Forensic 流水线分解为跨数据集、转换、模型与评估器的可互换组件，实现全域灵活组合；ii) 完整实现 10 个基线模型、6 个骨干网络，新增 AIGC 与 Doc 两个基准，并通过适配器设计整合 DeepfakeBench 与 IMDLBenCo 既有基准；iii) 基于 ForensicHub 开展深入分析，提供 FIDL 模型架构、数据集特征与评估标准的 8 项关键可操作性洞见。ForensicHub 在打破 FIDL 领域的领域壁垒方面实现了突破性进展，为未来突破提供了灵感。