仅凭 Forensic Self-Descriptions 即可实现 AI 生成图像的零样检测、开放源头归因与聚类

基于 AI 的高级工具用于生成逼真图像的出现，构成了 Forensic 检测和源头归因的重大挑战，尤其是当新的生成技术快速出现时。传统方法常因依赖训练时针对已知来源的特征而难以泛化到未知生成器。为解决此问题，我们提出了一种新方法，显式建模 Forensic 微观结构——这些是独特于图像创建过程的微小、像素级模式。仅使用自监督方式从真实图像中学习一组多样的预测滤波器，以提取捕获这些微观结构不同方面的残差。通过在多个尺度上联合建模这些残差，我们获得了一个紧凑的模型，其参数构成每个图像的独特 Forensic Self-Description。这种自描述使我们能够实现对合成图像的零样检测、图像的开放源头归因以及基于源头的聚类，而无需事先知识。广泛的实验表明，我们的方法在准确率和适应性方面优于竞争技术，推动了合成媒体 Forensic 的技术前沿。