论人体图像伪造检测的整体方法
计算机视觉与模式识别
2026-01-09 v1
摘要
人工智能生成内容（AIGC）的快速发展加剧了深度伪造的威胁，从面部篡改到合成完整的光照逼真人体。然而，现有的检测方法仍然碎片化，要么专门针对面部区域伪造，要么针对全身合成图像，因此无法泛化到人体图像篡改的全谱范围。我们引入了 HuForDet，一个用于人体图像伪造检测的整体框架，其具有双分支架构，包括：（1）一个面部伪造检测分支，采用在 RGB 和频域工作的异构专家，包括一个自适应高斯-拉普拉斯（LoG）模块，旨在捕获从细粒度混合边界到粗尺度纹理不规则性的伪影；（2）一个上下文伪造检测分支，利用多模态大语言模型（MLLM）分析全身语义一致性，并辅以置信度估计机制，在特征融合期间动态加权其贡献。我们策划了一个统一现有面部伪造数据与全新全身合成人体语料库的人体图像伪造（HuFor）数据集。大量实验表明，我们的 HuForDet 实现了最先进的伪造检测性能，并在多样化的人体图像伪造中表现出卓越的鲁棒性。
引用
@article{arxiv.2601.04715,
title = {On the Holistic Approach for Detecting Human Image Forgery},
author = {Xiao Guo and Jie Zhu and Anil Jain and Xiaoming Liu},
journal= {arXiv preprint arXiv:2601.04715},
year = {2026}
}
备注
6 figures, 5 tables