基于 LoRA 的成对训练提升鲁棒 AIGI 检测
计算机视觉与模式识别
2026-04-15 v1
摘要
高度逼真的 AI 生成图像 (AIGI) 的快速扩散，催生了实用检测方法的开发。虽然当前的 AIGI 检测器在干净数据集上表现优异，但在部署「野外」环境时（即面对不可预测的复杂扭曲），检测性能常会下降。为解决这一关键漏洞，我们提出一种新颖的 LoRA 基于成对训练 (LPT) 策略，专为实现对严重扭曲下 AIGI 的鲁棒检测而设计。其核心策略在于针对性地微调视觉基础模型，模拟训练阶段的数据分布，并采用独特的成对训练流程。具体而言，我们引入扭曲与尺寸模拟，以更贴合来自验证与测试集的数据分布。基于视觉基础模型的强大视觉表征能力，我们对模型进行 AIGI 检测微调。成对训练用于通过解耦泛化与鲁棒性优化来提升检测效果。实验表明，我们的方法在 NTIRE Robust AI-Generated Image Detection in the Wild 挑战中获得了第三名成绩。
引用
@article{arxiv.2604.12307,
title = {Boosting Robust AIGI Detection with LoRA-based Pairwise Training},
author = {Ruiyang Xia and Qi Zhang and Yaowen Xu and Zhaofan Zou and Hao Sun and Zhongjiang He and Xuelong Li},
journal= {arXiv preprint arXiv:2604.12307},
year = {2026}
}
备注
3th place (3/514) technical report(CVPRW-26) at the NTIRE 2026: Robust AI-Generated Image Detection in the Wild Challenge