融合全局与局部特征用于泛化AI合成图像检测

随着生成对抗网络（GANs）与DeepFakes的发展，AI合成图像的质量已如此之高，以至于人类几乎无法将其与真实图像区分开来。媒体取证亟需开发检测器以准确揭露它们。现有检测方法在生成图像检测中表现出高性能，但在真实世界场景中泛化能力往往较差，其中合成图像通常由未知源数据使用未见过的模型生成。本工作中，我们强调结合整幅图像与信息块中的信息对提升AI合成图像检测泛化能力的重要性。具体而言，我们设计了一个双分支模型，以结合来自整幅图像的全局空间信息与由新颖块选择模块选出的多个块中的局部信息特征。进一步利用多头注意力机制融合全局与局部特征。我们收集了一个由19个模型合成、包含多种物体与分辨率的高度多样化数据集来评估我们的模型。实验结果表明，我们的方法在检测生成图像方面具有高精度与良好的泛化能力。我们的代码见 https://github.com/littlejuyan/FusingGlobalandLocal。