C2P-CLIP：在CLIP中注入类别公共提示以增强深伪检测的泛化能力
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了AIGC检测中的深伪图像识别问题，尤其是利用CLIP模型的有效性。通过分析CLIP的检测特征，提出了C2P-CLIP方法，将类别公共提示融入文本编码器中，从而提升了图像编码器的检测性能，实现了12.41%的准确率提升，展示了创新的深伪检测能力及其广泛应用前景。
该研究发现预训练视觉-语言模型与先进适应方法相结合在深假检测中有效。通过简单的Prompt Tuning适应策略，使用较少的训练数据，超过先前方法5.01%和6.61%。在21个数据集的测试中，该模型展现了实际适用性。
