AgentFoX：LLM主导的AI生成图像检测融合方法及可解释性
计算机视觉与模式识别
2026-03-25 v1
摘要
AI 生成图像 (AIGI) 的逼真度不断提升，亟需能够可靠区分合成内容与真实图像的 Forensic 工具。现有检测器通常针对特定伪造痕迹——如频域模式或语义不一致——进行设计，导致性能局限且时常存在判决矛盾。为此，我们提出 AgentFoX，一个由大型语言模型驱动的框架，将 AIGI 检测重新定义为动态的多阶段分析过程。该方法运用快速集成的融合机制，依托由校准后的专家轮廓 (Expert Profiles) 和情境聚类轮廓 (Clustering Profiles) 组成的知识库。在推理过程中，智能体首先进行高层语义评估，然后过渡到针对性的、情境感知的信号层面专家证据综合，通过结构化推理解决证据之间的矛盾。与返回粗糙二元输出不同，AgentFoX 提供详细的、人类可读的 Forensic 报告，以支撑其裁决结果，增强可解释性和可信度，适用于实际部署。除提供一种新型检测解决方案外，本工作还引入一种可扩展的智能体范式，促进未来及不断演化的 Forensic 工具的智能集成。
引用
@article{arxiv.2603.23115,
title = {AgentFoX: LLM Agent-Guided Fusion with eXplainability for AI-Generated Image Detection},
author = {Yangxin Yu and Yue Zhou and Bin Li and Kaiqing Lin and Haodong Li and Jiangqun Ni and Bo Cao},
journal= {arXiv preprint arXiv:2603.23115},
year = {2026}
}