DNA：揭示通用的潜在伪造知识
计算机视觉与模式识别
2026-02-02 v1
摘要
随着生成式人工智能达到超现实主义水平，浅层伪影检测已变得过时。虽然主流方法依赖于对黑盒主干网络进行资源密集型的微调，但我们提出，伪造检测能力已经编码在预训练模型中，而无需进行端到端的重新训练。为了激发这种内在能力，我们提出了判别性神经锚点框架，该框架采用了一种由粗到细的挖掘机制。首先，通过分析特征解耦和注意力分布偏移，我们定位了关键的中间层，在这些层中，模型的关注点逻辑上从全局语义过渡到局部异常。随后，我们引入了一个三元融合评分指标，并结合曲率截断策略，以剥离语义冗余，精确隔离那些天生印有对伪造痕迹敏感性的伪造判别单元。此外，我们引入了 HIFI-Gen，一个基于最新模型构建的高保真合成基准，以解决现有数据集滞后的问题。实验表明，仅依靠这些锚点，DNA 即使在少样本条件下也能实现优越的检测性能。此外，它在不同架构和面对未见过的生成模型时表现出显著的鲁棒性，验证了唤醒潜在神经元比广泛的微调更有效。
引用
@article{arxiv.2601.22515,
title = {DNA: Uncovering Universal Latent Forgery Knowledge},
author = {Jingtong Dou and Chuancheng Shi and Yemin Wang and Shiming Guo and Anqi Yi and Wenhua Wu and Li Zhang and Fei Shen and Tat-Seng Chua},
journal= {arXiv preprint arXiv:2601.22515},
year = {2026}
}