CLIP-Flow：受异常检测启发的AI生成图像通用判别器
计算机视觉与模式识别
2025-08-14 v1 密码学与安全
摘要
随着AI生成模型的快速发展，AI生成图像(AIIs)的视觉质量日益接近自然图像，这不可避免地引发了安全担忧。大多数AII检测器通常采用传统的图像分类流程，使用自然图像和AIIs(由生成模型生成)进行分类，这可能导致对来自未见生成模型的AIIs检测性能有限。为解决这一问题，我们从异常检测的角度提出了一种通用的AI生成图像检测器。我们的判别器无需访问任何AIIs，即可通过无监督学习学习可泛化的表示。具体而言，我们使用预训练的CLIP编码器作为特征提取器，并设计了一种类似归一化流的无监督模型。训练时使用代理图像(例如通过对自然图像施加光谱修改操作获得)而非AIIs。我们的模型通过最小化代理图像的似然进行训练，可选地结合最大化自然图像的似然。大量实验证明了我们的方法对多种图像生成器产生的AIIs的有效性。
引用
@article{arxiv.2508.09477,
title = {CLIP-Flow: A Universal Discriminator for AI-Generated Images Inspired by Anomaly Detection},
author = {Zhipeng Yuan and Kai Wang and Weize Quan and Dong-Ming Yan and Tieru Wu},
journal= {arXiv preprint arXiv:2508.09477},
year = {2025}
}