AI生成图像：人类与机器在观察同一图像时的所见
计算机视觉与模式识别
2026-05-08 v1 人工智能
摘要
生成式AI在线诈骗活动中的滥用凸显了需要透明且可解释检测系统的紧迫性。在本工作中，我们研究如何使针对AI生成图像的检测器能够更有效地为其预测提供人类可理解的解释。为此，我们开发了一套多种架构和微调策略的检测器，训练于我们构建的大规模照片级假图像数据集AIText2Image，并在最先进的文本到图像AI生成器上进行评估。我们将16种不同的可解释AI（XAI）方法集成到检测框架中，通过一种新颖的方法对视觉解释进行全面细化和评估，该方法优先考虑从人类角度理解AI生成图像，使用来自100名参与者的文本和视觉响应。该框架为假图像检测中的视觉语言线索以及从人类视角评估XAI方法的清晰度提供了见解，衡量XAI输出与人类偏好之间的一致性。
引用
@article{arxiv.2605.06143,
title = {AI-Generated Images: What Humans and Machines See When They Look at the Same Image},
author = {Silvia Poletti and Justin Ilyes and Marcel Hasenbalg and David Fischinger and Martin Boyer},
journal= {arXiv preprint arXiv:2605.06143},
year = {2026}
}
备注
Included in the main conference proceedings published by Springer Nature (CCIS Series)