Forensics-Bench：用于大型视觉语言模型的综合伪造检测基准套件
计算机视觉与模式识别
2025-03-25 v2
摘要
最近，AIGC 的快速发展显著提升了假媒体在互联网上的传播多样性，构成前所未有的对社会安全、政治、法律等方面的威胁。为了检测新时代 AIGC 中日益增多的恶意假媒体，最近的研究提出利用大型视觉语言模型 (LVLMs) 设计稳健的伪造检测器，due to 其在广泛多模态任务上的卓越性能。然而，仍缺乏一个全面的基准，旨在全面评估 LVLMs 在伪造媒体上的辨别能力。为填补这一空白，我们提出了 Forensics-Bench，一个新的伪造检测评估基准套件，用于评估 LVLMs 在大规模伪造检测任务中的能力，要求对多样化伪造媒体具备全面的识别、定位和推理能力。Forensics-Bench 包含 63,292 个精心策划的多选式视觉问题，覆盖 112 种独特的伪造检测类型，来自 5 个视角：伪造语义、伪造模态、伪造任务、伪造类型和伪造模型。我们对 22 个开源 LVLMs 以及 3 个专有模型 GPT-4o、Gemini 1.5 Pro 和 Claude 3.5 Sonnet 进行了彻底的评估，凸显了 Forensics-Bench 所带来的全面伪造检测所面临的重大挑战。我们预计 Forensics-Bench 将激励社区推动 LVLMs 前沿的发展，致力于在 AIGC 时代实现全方位伪造检测器。将不定期更新交付物，访问 https://Forensics-Bench.github.io/。
引用
@article{arxiv.2503.15024,
title = {Forensics-Bench: A Comprehensive Forgery Detection Benchmark Suite for Large Vision Language Models},
author = {Jin Wang and Chenghui Lv and Xian Li and Shichao Dong and Huadong Li and kelu Yao and Chao Li and Wenqi Shao and Ping Luo},
journal= {arXiv preprint arXiv:2503.15024},
year = {2025}
}
备注
31 pages, 19 figures