IVY-XDETECTOR采用了类似LLaVA的结构，包含三个核心组件：视觉编码器、视觉投影器和大语言模型。研究团队使用SigLIP作为视觉主干来处理输入图像和从视频序列中提取的帧。为了支持高分辨率图像的细粒度检测，他们实现了动态分辨率策略——将输入 ...

IVY-FAKE的发布标志着AIGC检测领域的重要进步，首次提供了一个统一框架，可以同时处理图像和视频内容，并提供详细的解释。这对于打击虚假信息、确保内容真实性和建立公众信任至关重要。尽管如此，研究团队也指出了一些局限性，未来的工作应优化空间建模效率，加强时间一致性。