利用生成器架构的最终组件进行AI生成图像检测
计算机视觉与模式识别
2026-03-11 v2
摘要
随着强大图像生成器的迅速普及，准确检测AI生成图像对于维护可信的网络环境变得至关重要。然而，现有的深度伪造检测器通常难以泛化到未见过的生成器生成的图像。值得注意的是，尽管许多现代图像生成器（如扩散模型或自回归模型）的训练范式截然不同，但它们共享常见的最终架构组件，这些组件作为将中间表示转换为图像的最后一个阶段。受此启发，我们提出使用生成器的最终组件“污染”真实图像，并训练一个检测器来区分它们与原始真实图像。我们进一步基于生成器的最终组件引入了一个分类法，并据此对21个广泛使用的生成器进行了分类，从而能够全面研究我们方法的泛化能力。仅使用来自三个代表性类别中各100个样本，我们的检测器（在DINOv3骨干网络上微调）在来自未见生成器的22个测试集上实现了98.83%的平均准确率。
引用
@article{arxiv.2601.20461,
title = {Exploiting the Final Component of Generator Architectures for AI-Generated Image Detection},
author = {Yanzhu Liu and Xiao Liu and Yuexuan Wang and Mondal Soumik},
journal= {arXiv preprint arXiv:2601.20461},
year = {2026}
}