可再现生成图像检测的探索

尽管 AI 生成内容 (AIGC) 图像检测技术取得了快速进展，但该领域仍面临两个核心问题：良好的可再现性和不足的普遍性，这些问题阻碍了此类技术的实际应用。本研究通过审阅 7 篇关于 AIGC 检测的关键论文，构建轻量级测试数据集，并复现了代表性检测方法。通过这一过程，我们识别了该领域可再现性困境的根本原因：首先，论文常常省略了诸如预处理步骤和参数设置等隐式细节；其次，大多数检测方法过度依赖特定生成器的专属特征，而非学习 AIGC 图像的通用内在特征。实验结果表明，在严格遵循原始论文描述的核心程序的情况下，基本性能可以得到复现。然而，当预处理扰动关键特征或在不同生成器之间进行测试时，检测性能会急剧下降。本研究为改善 AIGC 检测技术的可再现性提供了实证依据，并为研究人员更全面地披露实验细节以及验证其提出方法的普遍性提供了参考方向。