基于大模型与模糊决策树的通用AI生成图像检测
计算机视觉与模式识别
2026-03-31 v1
摘要
AI生成图像的恶意用途和广泛传播构成对数字内容真实性的严重威胁。现有检测方法利用生成管道中常见操纵步骤留下的低级痕迹，但常因模型特定的过拟合而缺乏泛化能力。最近的研究者转向利用多模态大语言模型（MLLM）进行AI生成内容检测，借助其高级语义推理和广泛的泛化能力。虽然有前景，但MLLM缺乏对细微生成痕迹的精细感知敏感性，作为独立检测器不够充分。为此，我们提出一种新型AI生成图像检测框架，通过模糊决策树将轻量级感知器官检测器与MLLM集成。决策树将基本检测器的输出视为模糊成员值，实现语义与感知视角中互补线索的自适应融合。大量实验表明，所提方法在 diverse generative models 上实现了最先进的准确率并具备强大的泛化能力。
引用
@article{arxiv.2603.28508,
title = {Generalizable Detection of AI Generated Images with Large Models and Fuzzy Decision Tree},
author = {Fei Wu and Guanghao Ding and Zijian Niu and Zhenrui Wang and Lei Yang and Zhuosheng Zhang and Shilin Wang},
journal= {arXiv preprint arXiv:2603.28508},
year = {2026}
}