REVEAL：面向多模态篡改检测的参考 grounding 推理

多模态篡改检测旨在识别伪造图文对并定位篡改区域，但现有方法常依赖孤立伪影记忆，难以应对微小痕迹或域偏移。受人类对比推理启发，本文将该任务重构为基于参考的验证问题，通过对比查询与检索到的真实证据来评估真实性。提出的 REVEAL 框架专为该对比范式设计，构建了包含 17 万对真实新闻图文的大规模参考库。技术上，采用差异感知融合机制捕捉细粒度 discrepancy，并引入任务解耦的混合专家（MoE）架构，协同执行实例级检测与细粒度定位，有效缓解异构目标间的优化冲突。实验表明，REVEAL 显著优于最先进方法，且仅需更新参考库即可实现无训练域适应。