亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

FakeShield: Explainable Image Forgery Detection and Localization via Multi-modal Large Language Models

情态动词 图像(数学) 计算机科学 人工智能 计算机视觉 材料科学 高分子化学
作者
Zhipei Xu,Xuanyu Zhang,Runyi Li,Zecheng Tang,Qing Huang,Jian Zhang
出处
期刊:Cornell University - arXiv
标识
DOI:10.48550/arxiv.2410.02761
摘要

The rapid development of generative AI is a double-edged sword, which not only facilitates content creation but also makes image manipulation easier and more difficult to detect. Although current image forgery detection and localization (IFDL) methods are generally effective, they tend to face two challenges: \textbf{1)} black-box nature with unknown detection principle, \textbf{2)} limited generalization across diverse tampering methods (e.g., Photoshop, DeepFake, AIGC-Editing). To address these issues, we propose the explainable IFDL task and design FakeShield, a multi-modal framework capable of evaluating image authenticity, generating tampered region masks, and providing a judgment basis based on pixel-level and image-level tampering clues. Additionally, we leverage GPT-4o to enhance existing IFDL datasets, creating the Multi-Modal Tamper Description dataSet (MMTD-Set) for training FakeShield's tampering analysis capabilities. Meanwhile, we incorporate a Domain Tag-guided Explainable Forgery Detection Module (DTE-FDM) and a Multi-modal Forgery Localization Module (MFLM) to address various types of tamper detection interpretation and achieve forgery localization guided by detailed textual descriptions. Extensive experiments demonstrate that FakeShield effectively detects and localizes various tampering techniques, offering an explainable and superior solution compared to previous IFDL methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
3秒前
59秒前
1分钟前
1分钟前
1分钟前
2分钟前
chenyuns发布了新的文献求助20
3分钟前
3分钟前
3分钟前
4分钟前
干净新瑶完成签到 ,获得积分10
4分钟前
4分钟前
酷波er应助Benhnhk21采纳,获得10
4分钟前
4分钟前
瘦瘦乌龟完成签到 ,获得积分10
5分钟前
5分钟前
5分钟前
Benhnhk21发布了新的文献求助10
5分钟前
5分钟前
5分钟前
5分钟前
viahit完成签到 ,获得积分10
5分钟前
6分钟前
6分钟前
6分钟前
大模型应助chenyuns采纳,获得20
6分钟前
7分钟前
7分钟前
7分钟前
chenyuns发布了新的文献求助20
7分钟前
7分钟前
搜集达人应助lourahan采纳,获得10
7分钟前
7分钟前
chenyuns发布了新的文献求助20
7分钟前
8分钟前
lourahan发布了新的文献求助10
8分钟前
8分钟前
chenyuns发布了新的文献求助20
8分钟前
9分钟前
所所应助Hey采纳,获得10
9分钟前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
叶剑英与华南分局档案史料 500
Foreign Policy of the French Second Empire: A Bibliography 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3146771
求助须知:如何正确求助?哪些是违规求助? 2798063
关于积分的说明 7826605
捐赠科研通 2454566
什么是DOI,文献DOI怎么找? 1306394
科研通“疑难数据库(出版商)”最低求助积分说明 627708
版权声明 601527