End4：基于扩散模型的端到端去噪扩散图像填充检测
计算机视觉与模式识别
2025-09-19 v2
摘要
扩散模型的强大生成能力显著推动了图像合成领域，提升了完整图像生成和基于图像填充的编辑能力。尽管取得了突出进展，但扩散模型也引发关于其滥用潜在风险的担忧。然而，现有方法难以识别即使包含类似填充图像于训练数据中的扩散模型生成的图像。为此，本文提出一种新型检测方法基于端到端去噪扩散（End-to-end Denoising Diffusion, End4）。具体而言，End4设计去噪重建模型以提高重建过程与检测过程在潜空间中的对齐度，从而重构更有利于检测的特征。同时，利用尺度感知金字塔融合模块（Scale-aware Pyramid-like Fusion Module, SPFM），在不同尺度注意力金字塔层的指引下细化局部图像特征，增强特征判别性。此外，为评估在填充图像上的检测性能，我们建立了包含来自五种不同遮罩区域生成图像的综合基准。广泛实验表明，End4有效推广至未见填充模式，并在各种扰动下保持稳健性。我们的代码和数据集将很快公开。
引用
@article{arxiv.2509.13214,
title = {End4: End-to-end Denoising Diffusion for Diffusion-Based Inpainting Detection},
author = {Fei Wang and Xuecheng Wu and Zheng Zhang and Danlei Huang and Yuheng Huang and Bo Wang},
journal= {arXiv preprint arXiv:2509.13214},
year = {2025}
}