固定阈值评估：跨照片与艺术品的混合CNN-ViT用于AI生成图像检测

AI图像生成器会创建两类图像：既有逼真的照片，也有风格化的艺术品，因而需要保持性能稳健的检测器，以应对常见的后处理转换（JPEG压缩、模糊、降采样）。现有方法针对单个指标进行优化，而未解决部署关键因素，如 operating point 选择和固定阈值鲁棒性问题。本工作通过引入固定阈值评估协议来解决误导性鲁棒性估计问题：该协议在干净验证数据上选择一次决策阈值，然后固定在所有后处理转换下。传统方法会针对每种条件重新调整阈值，从而人为夸大鲁棒性估计，并掩盖部署中的实际失效。我们在三个 operating points（低FPR、ROC最优、最佳F1）下，针对系统化退化测试报告部署相关性能，使用轻量级CNN-ViT混合架构配合门控融合和可选频率增强。我们的评估揭示了经统计学验证的forensic-语义谱：频率辅助CNN在原版照片上表现优异，但在压缩后性能下降（从93.33%下降至61.49%），而ViT通过稳健的语义模式识别几乎不受影响（从92.86%下降至88.36%）。多随机实验表明，所有架构在艺术内容（AUROC 0.901-0.907）上的表现明显优于照片逼真图像（AUROC 0.747-0.759），确认语义模式比forensic痕迹提供了更可靠的检测线索。我们的混合方法实现了跨域的均衡性能：在tiny-genimage照片上达91.4%准确率，在AiArtData艺术/图形上达89.7%准确率，在CIFAKE上达98.3%（具竞争力）。固定阈值评估消除了重新调整的人为夸大，揭示了真实的鲁棒性差距，并为实际部署提供了可操作的指导：干净照片验证优先选择CNN，压缩内容优先选择ViT，艺术/图形筛查可选混合架构。