UniShield：用于统一图像伪造检测与定位的自适应多智能体框架
计算机视觉与模式识别
2026-05-18 v2 人工智能
摘要
随着图像生成技术的快速发展，合成图像日益逼真，带来了误导信息和欺诈等重大社会风险。因此，伪造图像检测与定位（FIDL）成为维护信息完整性和社会安全的关键技术。尽管现有领域专用检测方法取得了显著成绩，但其实际应用受限于专业化范围狭窄、跨域泛化差以及缺乏集成自适应框架。为此，我们提出 UniShield，一种新型多智能体统一系统，能够在 diverse 领域（包括图像制作、文档制作、DeepFake 和 AI 生成图像）中检测和定位图像伪造。UniShield 创新性地集成了感知智能体和检测智能体。感知智能体智能分析图像特征，动态选择合适的检测模型；检测智能体将各种专家检测器整合为统一框架并生成可解释报告。大量实验表明，UniShield 实现了最先进的性能，超越了现有的统一方法和领域专用检测器，凸显了其在实用性、适应性和可扩展性方面的优势。
引用
@article{arxiv.2510.03161,
title = {UniShield: An Adaptive Multi-Agent Framework for Unified Forgery Image Detection and Localization},
author = {Qing Huang and Zhipei Xu and Xuanyu Zhang and Xiangyu Yu and Jian Zhang},
journal= {arXiv preprint arXiv:2510.03161},
year = {2026}
}