ARISE：面向持续多模态伪造检测的稳定性增强方法

2026年10月28日，arXiv cs.CV 刊出的一篇论文提出 ARISE，一种真实参考引导的稳定性增强方法，用于攻击增量式持续多模态伪造检测，并配套构建 Fable-Bench 基准。报道称，该方法以仅拟合真实样本的高斯混合模型作为紧凑历史参考，并结合 GRASP 的样本自适应各向异性度量与 VAR 的脆弱阶段回放加权；推理时仍只用原始多模态主干和二分类头，不额外引入参考模块。报道还称，在三种攻击演化协议和多种检测器架构上，ARISE 在历史保持与最终平均性能方面都优于代表性持续学习基线。目前尚无其他来源的后续报道或独立复现结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。