DINO-Detect：一个简单而有效的模糊鲁棒AI生成图像检测框架
计算机视觉与模式识别
2025-11-19 v2 机器学习
摘要
随着对图像真实性和数字安全日益关注，AI生成图像(AIGI)检测领域取得了快速进展。然而，大多数AIGI检测器在现实环境中的退化条件下仍感到挑战，尤其是运动模糊，这在手持摄影、快速运动和压缩视频中经常发生。这种模糊会扭曲细节纹理，抑制高频性迹象，导致现实环境中的严重性能下降。我们基于教师-学生知识蒸馏提出了模糊鲁棒的AIGI检测框架。高容量教师(DINOv3)在干净(即锐利)图像上训练，提供稳定且富有语义的信息，作为学习参考。通过冻结教师以维持其泛化能力，我们从锐利图像蒸馏其特征和logit响应到在模糊图像上训练的学生，以使学生在运动退化下能够产生一致的表示。大量实验基准测试表明，我们的方法在运动模糊和干净条件下均实现了最佳性能，显示出 improved的泛化和现实应用性。源代码将在https://github.com/JiaLiangShen/Dino-Detect-for-blur-robust-AIGC-Detection发布。
引用
@article{arxiv.2511.12511,
title = {DINO-Detect: A Simple yet Effective Framework for Blur-Robust AI-Generated Image Detection},
author = {Jialiang Shen and Jiyang Zheng and Yunqi Xue and Huajie Chen and Yu Yao and Hui Kang and Ruiqi Liu and Helin Gong and Yang Yang and Dadong Wang and Tongliang Liu},
journal= {arXiv preprint arXiv:2511.12511},
year = {2025}
}
备注
12 pages, 5 figures