AnimeDL-2M：扩散时代下规模为万的AI生成动漫图像检测与定位
计算机视觉与模式识别
2025-05-26 v2
摘要
近期图像生成技术，特别是扩散模型，显著降低了创建高质量造假的门槛，使得图像操纵检测与定位（IMDL）日益具有挑战性。虽然先前的IMDL研究主要聚焦于自然图像，但在动漫领域的研究仍不足尽管其对AI生成造假的脆弱性日益突出。将AI生成的图像冒充手绘 artwork、侵犯版权以及不当内容修改等问题，构成了对动漫社区和产业的严重威胁。为填补这一空白，我们提出AnimeDL-2M，首个规模为200万张的动漫IMDL基准数据集，包含实拍、部分操纵及完全AI生成样本。实验表明，在自然图像IMDL数据集上训练的模型应用于动漫图像时表现不佳，凸显了动漫与自然图像之间的明显域间差距。为更好地处理动漫域的IMDL任务，我们进一步提出AniXplore，一种针对动漫图像视觉特征的新型模型。广泛评估表明，AniXplore在已有方法之上取得优异性能。数据集和代码可在https://flytweety.github.io/AnimeDL2M/获取。
引用
@article{arxiv.2504.11015,
title = {AnimeDL-2M: Million-Scale AI-Generated Anime Image Detection and Localization in Diffusion Era},
author = {Chenyang Zhu and Xing Zhang and Yuyang Sun and Ching-Chun Chang and Isao Echizen},
journal= {arXiv preprint arXiv:2504.11015},
year = {2025}
}
备注
8+2 pages; update figure 3,4,5 as adding real images into detection task tests