TruthLens：一种无需训练的深度伪造检测范式
计算机视觉与模式识别
2025-03-20 v1 人工智能
摘要
合成图像由先进AI模型生成的数量激增，构成了识别和理解被操纵视觉内容的重大挑战。当前的假图像检测方法主要依赖二元分类模型，侧重准确率，往往忽视可解释性，导致用户无法获得清晰的解释，了解图像为何被判定为真实或假冒。为弥合这一差距，我们引入TruthLens，一种新颖的无需训练的框架，将深度伪造检测重新定义为视觉问答（VQA）任务。TruthLens利用最先进的大型视觉语言模型（LVLMs）观察和描述视觉痕迹，并结合大型语言模型（如GPT-4）的推理能力对分析和聚合证据以做出明智的决定。通过采用多模态方法，TruthLens无缝集成视觉与语义推理，不仅将图像分类为真实或假冒，还能提供其决定的可解释解释。这种透明度提升了信任，提供了有价值的见解，阐明了信号化合成内容的痕迹。广泛的评估表明，TruthLens在具有挑战性的数据集上超越了传统方法，实现了高准确率，同时保持强大的可解释性。通过将深度伪造检测重新框定为推理驱动的过程，TruthLens在对抗合成媒体的新范式中建立了创新的方法，结合最前沿的性能与可解释性，以应对日益增长的视觉虚假信息威胁。
引用
@article{arxiv.2503.15342,
title = {TruthLens:A Training-Free Paradigm for DeepFake Detection},
author = {Ritabrata Chakraborty and Rajatsubhra Chakraborty and Ali Khaleghi Rahimian and Thomas MacDougall},
journal= {arXiv preprint arXiv:2503.15342},
year = {2025}
}