PulseAugur
实时 10:22:39
English(EN) Impostor: An Agent-Curated Benchmark for Realistic AIGC Manipulation Localization

新的 Impostor 基准挑战 AI 图像操纵检测

研究人员推出 Impostor,这是一个新的基准数据集,旨在评估 AI 生成图像操纵的本地化。该数据集包含使用名为 CraftAgent 的闭环代理框架生成的 100,000 张操纵图像,该框架可自动生成多样化且逼真的编辑。Impostor 涵盖了七个最新 AIGC 模型的操纵,并包含多个编辑区域,对当前的图像操纵检测方法和大型视觉语言模型提出了重大挑战。该论文还提出了 PhaseAware-Net (PANet),这是一个新颖的框架,通过结合局部相位建模和语义取证一致性来提高本地化精度。 AI

影响 该基准可以推动检测复杂 AI 生成图像操纵的进步,这对于打击虚假信息至关重要。

排序理由 该集群包含一篇介绍用于图像操纵本地化的新基准数据集和模型的 ist-research 论文。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Zhenliang Li (Southeast University), Yutao Hu (Southeast University), Qixiong Wang (Xiaohongshu Inc), Wenpeng Du (Southeast University), Hongxiang Jiang (Xiaohongshu Inc), Jiasong Wu (Southeast University), Xiaolong Jiang (Xiaohongshu Inc), Jungong Han (… ·

    Impostor: An Agent-Curated Benchmark for Realistic AIGC Manipulation Localization

    arXiv:2606.04545v1 Announce Type: new Abstract: Recent advances in generative image editing have improved the realism and controllability of localized image manipulation, raising new challenges for image manipulation detection and localization (IMDL). However, existing IMDL bench…