EditTrack：检测与归因AI辅助图像编辑
密码学与安全
2025-10-02 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
在本工作中，我们提出并研究了图像编辑检测与归因的问题：给定基础图像和可疑图像，检测旨在确定可疑图像是否是使用AI编辑模型从基础图像派生的，而归因进一步识别负责具体编辑模型。现有方法对于检测和归因AI生成图像不够，因它们关注的是确定图像是否为AI生成/编辑，而非是否来自特定的基础图像。为填补这一差距，我们提出EditTrack，这是第一个针对该图像编辑检测与归因问题的框架。基于对编辑过程的四个关键观察，EditTrack引入了一种新颖的重新编辑策略，并利用精心设计的相似性度量来确定可疑图像是否来自基础图像，以及如果是的话，是由哪个模型完成的。我们在六个数据集上评估了EditTrack，针对五种最先进的编辑模型，证明其持续实现准确的检测与归因，显著优于五个基线。
引用
@article{arxiv.2510.01173,
title = {EditTrack: Detecting and Attributing AI-assisted Image Editing},
author = {Zhengyuan Jiang and Yuyang Zhang and Moyang Guo and Neil Zhenqiang Gong},
journal= {arXiv preprint arXiv:2510.01173},
year = {2025}
}