GenShield：面向AI生成图像的统一检测与伪影校正
计算机视觉与模式识别
2026-05-18 v1 人工智能
摘要
基于扩散的图像合成已使AI生成图像（AIGI）日益逼真，引发了在虚假信息检测、数字取证和内容审核等应用中对其真实性的迫切关注。尽管AIGI检测取得了长足进展，但如何校正检测到的带有可见伪影的AI生成图像并恢复逼真外观，在很大程度上仍未被探索。此外，现有工作很少建立AIGI检测与伪影校正之间的联系。为填补这一空白，我们提出了GenShield，一个统一的回归框架，在从诊断到修复的闭环中联合执行可解释的AIGI检测和可控伪影校正，揭示了这两个任务之间相互促进的关系。我们进一步引入了一种基于视觉思维链的课程学习策略，该策略能够实现自解释的、多步骤的“先诊断后修复”校正，并带有明确的停止准则。我们还构建了一个包含大规模“伪影-修复”对的高质量数据集，以及一个统一的评估流程。在我们的校正基准和主流AIGI检测基准上的大量实验表明，我们的方法具有最先进的性能和强大的泛化能力。代码可在https://github.com/zhipeixu/GenShield获取。
引用
@article{arxiv.2605.16122,
title = {GenShield: Unified Detection and Artifact Correction for AI-Generated Images},
author = {Zhipei Xu and Xuanyu Zhang and Youmin Xu and Qing Huang and Shen Chen and Taiping Yao and Shouhong Ding and Jian Zhang},
journal= {arXiv preprint arXiv:2605.16122},
year = {2026}
}