关于 ACM Multimedia 2026 的报道
共 1 篇相关报道
以文本为中心的图像取证的证据引导检测、定位和解释
Evidence-Guided Detection, Localization and Explanation for Text-Centric Image Forensics
AI 洞察传统图像取证仅判断真伪，而该系统通过检测、定位和推理的级联架构，将「判定造假」升级为「提供证据链的结构化报告」。这标志着 AIGC 溯源正从黑盒判定向白盒可解释性转变。核心结论AI 图像取证正从「黑盒判定」向「基于级联证据流的可解释推理」转变。为什么重要随着 AIGC 造假成本降低，仅输出「真/假」的判定结果已无法满足司法与审核需求。将空间定位与结构化证据作为 MLLM 推理的前置输入，能有效抑制模型幻觉，提升取证的逻辑可信度。影响谁- AI Content Moderation Platforms级联证据流架构可为平台提供可解释的判罚依据，降低人工复审成本。
后续看点重点观察该系统在实际伪造数据集上的误报率，以及 MLLM 生成的结构化报告在司法场景中的采信度。重要度 45/100