超级会员免费看
这篇论文介绍了SHIELD，一个用于面部伪造检测的评估基准，研究了GPT4V和Gemini在活体检测和深伪鉴别任务上的性能。通过多模态大型语言模型和多种实验设计，揭示了模型在处理不同伪造图像类型时的局限性，如对GAN和扩散图像的检测困难。提出了一种名为MA-COT的思维链形式，提高了模型的判断准确性，但同时也指出实验存在的不足，如缺乏多次尝试和定量结果。
一、论文信息
论文名称：SHIELD : An Evaluation Benchmark for Face Spoofing and Forgery Detection with Multimodal Large Language Models
作者团队：
论文链接：https://arxiv.org/pdf/2402.04178.pdf
Github：https://github.com/laiyingxin2/SHIELD.
二、贡献与创新
本篇文章主要是测评GPT4V 和Gemini的深伪鉴别能力的文章， 探究了闭源多模态模型使用提示学习在活体检测、深伪鉴别两个任务上的回答质量。
三、实验介绍
1、模型设置多个问题，探究不同的提问方式对模型回答正误的影响ÿ
订阅专栏 解锁全文
5852
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
