VLAForge：释放视觉-语言语义检测深度伪造视频

VLAForge 框架利用 CLIP 等预训练视觉-语言模型中的跨模态语义检测深度伪造视频，在帧级和视频级评估中均显著超越现有最先进方法。其 ForgePerceiver 模块在保留预训练视觉-语言对齐知识的同时捕捉细微伪造线索，经身份先验文本提示增强的 Identity-Aware VLA 分数作为补充判别线索。实验涵盖传统换脸和近期全脸生成两类伪造。