腾讯优图联合深大推出 ForgeryVCR，视觉中心的图像伪造检测
jiqizhixin · x · 2026-09-30
图像编辑与生成模型让篡改几乎不可见——伪造者可以在不改变画面观感的情况下修改内容。腾讯优图实验室与深圳大学提出 ForgeryVCR，被 ACM Multimedia 2026 接收为 Oral。
现有方法的缺陷：多模态取证多用「文本中心」流程——先用自然语言描述异常，再基于描述判断是否伪造。但篡改的关键证据藏在细微的低层视觉痕迹里，高层语义编码器难以感知，语言也难以完整表达。强迫模型先『用嘴报告看到的东西』再判断，造成信息丢失和语义偏差，描述容易偏离真实痕迹，甚至把无关场景内容当成伪造证据。
ForgeryVCR 的思路：统一取证工具箱、以视觉为中心的推理，以及策略性工具学习，让模型直接基于视觉痕迹而非文字描述进行判断。
「研究」频道最新
- ProDyGS:用单视图新视角合成伪造多视角,单目动态高斯重建 — kwangmoo_yi · 2026-09-30
- 从 PDF 存档到可训练模型：一套可复用的开源微调数据工作流 — Puzzleheaded_Box2842 · 2026-09-30
- 深度或是下一条 Scaling 轴,前提是选对残差连接 — FinanceYF5 · 2026-09-30
- 破解「深度诅咒」:Kimi K3、DeepSeek V4 各押注不同残差方案 — FinanceYF5 · 2026-09-30
- 「痛觉轴」论文被滥用:有人 amplify 模型痛觉方向称建「AI 刑房」 — ZeroStateReflex · 2026-09-30
- 不靠 RL 和验证器，用模型自身解释训练 agent 反而提升编码能力 — CatAstro_Piyush · 2026-09-30