颜色重要性：基于彩色相关性的 demosaicing 指导 AI 生成图像检测
计算机视觉与模式识别
2026-02-05 v2 密码学与安全
摘要
尽管真实的人工智能生成图像威胁数字真实性，我们通过利用相机成像管道的内在属性来解决基于生成性痕迹的检测器的泛化问题。具体而言，我们研究由彩色滤波器阵列（CFA）和 demosaicing 引起的颜色相关性，并提出一种用于 AI 生成图像检测的 demosaicing 指导颜色相关性训练（DCCT）框架。通过模拟 CFA 采样模式，我们将每个颜色图像分解为单通道输入（作为条件）和剩余两个通道作为 ground-truth 目标（用于预测）。训练一个自监督的 U-Net 来建模给定单个通道中缺失通道的条件分布，通过混合 logistic 函数参数化。我们的理论分析揭示，DCCT 针对相机拍摄图像和 AI 生成图像之间颜色相关性特征的可证分布差异。通过利用这些差异特征构建二元分类器，DCCT 在超过 20 个未见生成器上实现了最先进的泛化性和鲁棒性，显著优于先前方法。
引用
@article{arxiv.2601.22778,
title = {Color Matters: Demosaicing-Guided Color Correlation Training for Generalizable AI-Generated Image Detection},
author = {Nan Zhong and Yiran Xu and Mian Zou},
journal= {arXiv preprint arXiv:2601.22778},
year = {2026}
}