细节为重：基于分层抽样的全局-局部注意力检测高分辨率 AI 生成图像
计算机视觉与模式识别
2026-01-05 v1
摘要
生成式 AI 的快速发展使得 AI 生成图像日益逼真且分辨率不断提升。大多数 AI 生成图像检测架构通常在输入模型前对图像进行下采样，风险是丢失细粒细节。本文提出了 GLASS（Global-Local Attention with Stratified Sampling，基于分层抽样的全局-局部注意力），一种结合全局缩放视图和多个随机抽样局部裁切的架构。这些裁切是通过空间分层抽样高效选择的原始分辨率区域，通过注意力-based 评分进行聚合。GLASS 可集成到视觉模型中，以利用任意大小图像的全局和局部信息。使用 Vision Transformer、ResNet 和 ConvNeXt 作为 backbone，实验表明，GLASS 在可行的计算约束下优于标准迁移学习，实现更高的预测性能。
引用
@article{arxiv.2601.00141,
title = {Attention to Detail: Global-Local Attention for High-Resolution AI-Generated Image Detection},
author = {Lawrence Han},
journal= {arXiv preprint arXiv:2601.00141},
year = {2026}
}