面向持续 AI 生成图像检测的野外自动化数据收集
计算机视觉与模式识别
2026-05-05 v1
摘要
生成式人工智能 (AI) 的快速发展为可靠的 AI 生成图像检测带来了重大挑战。现有检测器在分布迁移和遇到新出现的生成模型时常常表现下降。在本工作中，我们提出了一个数据中心的持续适应框架，用于更新处于不断演变环境中的检测器。我们展示了野外数据和 generator-driven 数据对于适应检测器至关重要。我们引入了一个自动化、弱监督的管道，通过事实核查文章检索构建野外数据集。此外，我们演示了即使在训练期间仅融合少量的 generator-driven 数据，就能有效地适应新出现的模型，而将其与野外数据结合到持续学习框架中，能够实现稳健的适应并缓解灾难性遗忘。在两个最先进的检测器上进行大量实验，分别显示平均准确率分别提高了 +9.14% 和 +8%。
引用
@article{arxiv.2605.02567,
title = {Automated In-the-Wild Data Collection for Continual AI Generated Image Detection},
author = {Thanasis Pantsios and Dimitrios Karageorgiou and Christos Koutlis and George Karantaidis and Olga Papadopoulou and Symeon Papadopoulos},
journal= {arXiv preprint arXiv:2605.02567},
year = {2026}
}