挖掘Vanilla MLLMs在 forgery 检测中的潜能：一种无需训练的新型管道
计算机视觉与模式识别
2025-11-19 v2 人工智能
摘要
随着人工智能生成内容（AIGC）技术的快速发展，包括多模态大语言模型（MLLMs）和扩散模型，图像生成与操纵变得异常容易。现有的图像伪造检测与定位（IFDL）方法往往难以在不同数据集之间泛化，并提供有限的可解释性。如今，MLLMs在各种视觉语言任务中展现出强大的泛化潜力，一些研究通过大规模训练将此能力引入IFDL。然而，这些方法需要大量计算资源，同时未能揭示Vanilla MLLMs解决此问题的内在泛化潜力。鼓励此观察后，我们提出了Foresee，一个针对图像伪造分析的无需训练的MLLMs管道。它消除了额外训练的需求，实现了轻量级的推理过程，同时在伪造定位精度和文本解释丰富性方面均超越了现有的MLLMs方法。Foresee采用类型先验驱动策略，并利用灵活特征检测器（FFD）模块专门处理复制移动操纵，从而有效释放Vanilla MLLMs在司法领域的潜力。大量实验表明，我们的方法同时实现了卓越的定位精度和更全面的文本解释。此外，Foresee表现出更强的泛化能力，在各种篡改类型（包括复制移动、拼接、删除、局部增强、深度伪造和AIGC-based编辑）方面均优于现有的IFDL方法。最终版本将发布代码。
引用
@article{arxiv.2511.13442,
title = {Unlocking the Forgery Detection Potential of Vanilla MLLMs: A Novel Training-Free Pipeline},
author = {Rui Zuo and Qinyue Tong and Zhe-Ming Lu and Ziqian Lu},
journal= {arXiv preprint arXiv:2511.13442},
year = {2025}
}