Buchumschlag

CLIPping the Deception: Adapting Vision-Language Models for Universal Deepfake Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Khan, Sohail Ahmed, Dang-Nguyen, Duc-Tien
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AdaptPrompt: Parameter-Efficient Adaptation of VLMs for Generalizable Deepfake Detection
von: Jiang, Yichen, et al.
Veröffentlicht: (2025)

PRPO: Paragraph-level Policy Optimization for Vision-Language Deepfake Detection
von: Nguyen, Tuan, et al.
Veröffentlicht: (2025)

Industrial Language-Image Dataset (ILID): Adapting Vision Foundation Models for Industrial Settings
von: Moenck, Keno, et al.
Veröffentlicht: (2024)

Deceptive Beauty: Evaluating the Impact of Beauty Filters on Deepfake and Morphing Attack Detection
von: Concas, Sara, et al.
Veröffentlicht: (2025)

Unleashing Vision-Language Semantics for Deepfake Video Detection
von: Zhu, Jiawen, et al.
Veröffentlicht: (2026)

Exposing the Deception: Uncovering More Forgery Clues for Deepfake Detection
von: Ba, Zhongjie, et al.
Veröffentlicht: (2024)

Adaptive Cache Enhancement for Test-Time Adaptation of Vision-Language Models
von: Nguyen, Khanh-Binh, et al.
Veröffentlicht: (2025)

Unlocking the Capabilities of Large Vision-Language Models for Generalizable and Explainable Deepfake Detection
von: Yu, Peipeng, et al.
Veröffentlicht: (2025)

Anomaly Detection by Adapting a pre-trained Vision Language Model
von: Cai, Yuxuan, et al.
Veröffentlicht: (2024)

Exploring Self-Supervised Vision Transformers for Deepfake Detection: A Comparative Analysis
von: Nguyen, Huy H., et al.
Veröffentlicht: (2024)

Realism to Deception: Investigating Deepfake Detectors Against Face Enhancement
von: Saeed, Muhammad Saad, et al.
Veröffentlicht: (2025)

CLIPping the Limits: Finding the Sweet Spot for Relevant Images in Automated Driving Systems Perception Testing
von: Rigoll, Philipp, et al.
Veröffentlicht: (2024)

MARE: Multimodal Alignment and Reinforcement for Explainable Deepfake Detection via Vision-Language Models
von: Xu, Wenbo, et al.
Veröffentlicht: (2026)

ITSELF: Attention Guided Fine-Grained Alignment for Vision-Language Retrieval
von: Nguyen, Tien-Huy, et al.
Veröffentlicht: (2026)

Hierarchical Neural Collapse Detection Transformer for Class Incremental Object Detection
von: Pham, Duc Thanh, et al.
Veröffentlicht: (2025)

GEOBench-VLM: Benchmarking Vision-Language Models for Geospatial Tasks
von: Danish, Muhammad Sohail, et al.
Veröffentlicht: (2024)

YOWOv3: An Efficient and Generalized Framework for Human Action Detection and Recognition
von: Dang, Duc Manh Nguyen, et al.
Veröffentlicht: (2024)

MonoVQD: Monocular 3D Object Detection with Variational Query Denoising and Self-Distillation
von: Vu, Kiet Dang, et al.
Veröffentlicht: (2025)

CapsFake: A Multimodal Capsule Network for Detecting Instruction-Guided Deepfakes
von: Nguyen, Tuan, et al.
Veröffentlicht: (2025)

ChestGPT: Integrating Large Language Models and Vision Transformers for Disease Detection and Localization in Chest X-Rays
von: Khan, Shehroz S., et al.
Veröffentlicht: (2025)

Normal and Abnormal Pathology Knowledge-Augmented Vision-Language Model for Anomaly Detection in Pathology Images
von: Song, Jinsol, et al.
Veröffentlicht: (2025)

Unveiling Typographic Deceptions: Insights of the Typographic Vulnerability in Large Vision-Language Model
von: Cheng, Hao, et al.
Veröffentlicht: (2024)

Vision Language Models are Biased
von: Vo, An, et al.
Veröffentlicht: (2025)

Semi-supervised 3D Semantic Scene Completion with 2D Vision Foundation Model Guidance
von: Pham, Duc-Hai, et al.
Veröffentlicht: (2024)

PAVE: Patching and Adapting Video Large Language Models
von: Liu, Zhuoming, et al.
Veröffentlicht: (2025)

A Timely Survey on Vision Transformer for Deepfake Detection
von: Wang, Zhikan, et al.
Veröffentlicht: (2024)

Toward a Vision-Language Foundation Model for Medical Data: Multimodal Dataset and Benchmarks for Vietnamese PET/CT Report Generation
von: Nguyen, Huu Tien, et al.
Veröffentlicht: (2025)

VLEER: Vision and Language Embeddings for Explainable Whole Slide Image Representation
von: Nguyen, Anh Tien, et al.
Veröffentlicht: (2025)

Bidirectional Diffusion Bridge Models
von: Kieu, Duc, et al.
Veröffentlicht: (2025)

BALM: A Model-Agnostic Framework for Balanced Multimodal Learning under Imbalanced Missing Rates
von: Nguyen, Phuong-Anh, et al.
Veröffentlicht: (2026)

Mono3DV: Monocular 3D Object Detection with 3D-Aware Bipartite Matching and Variational Query DeNoising
von: Vu, Kiet Dang, et al.
Veröffentlicht: (2026)

LLMs Are Not Yet Ready for Deepfake Image Detection
von: Tariq, Shahroz, et al.
Veröffentlicht: (2025)

Towards Sustainable Universal Deepfake Detection with Frequency-Domain Masking
von: Doloriel, Chandler Timm C., et al.
Veröffentlicht: (2025)

Towards the Detection of Diffusion Model Deepfakes
von: Ricker, Jonas, et al.
Veröffentlicht: (2022)

Frequency Masking for Universal Deepfake Detection
von: Doloriel, Chandler Timm, et al.
Veröffentlicht: (2024)

Beyond Deepfake Images: Detecting AI-Generated Videos
von: Vahdati, Danial Samadi, et al.
Veröffentlicht: (2024)

MMAP: A Multi-Magnification and Prototype-Aware Architecture for Predicting Spatial Gene Expression
von: Nguyen, Hai Dang, et al.
Veröffentlicht: (2025)

FSBI: Deepfakes Detection with Frequency Enhanced Self-Blended Images
von: Hasanaath, Ahmed Abul, et al.
Veröffentlicht: (2024)

Standing on the Shoulders of Giants: Reprogramming Visual-Language Model for General Deepfake Detection
von: Lin, Kaiqing, et al.
Veröffentlicht: (2024)

Adapting Human Mesh Recovery with Vision-Language Feedback
von: Xu, Chongyang, et al.
Veröffentlicht: (2025)