GLFF：面向 AI 合成图像检测的全局与局部特征融合

随着深度生成模型（如生成对抗网络与扩散模型）的快速发展，AI 合成图像质量已高到人类难以将其与真实图像区分。尽管现有检测方法在特定评测设置下（如来自已知模型的图片或未经历真实世界后处理的图片）表现出高性能，但在真实场景——测试图像可能由更强大的生成模型产生或结合多种后处理操作——中往往严重退化。为此，我们提出全局与局部特征融合（Global and Local Feature Fusion, GLFF）框架，通过结合整图多尺度全局特征与来自信息块精炼的局部特征，学习丰富且具判别力的表示以用于 AI 合成图像检测。GLFF 融合两支信息：全局支提取多尺度语义特征，局部支选取信息块以提取精细局部伪影。由于缺乏模拟真实应用的合成图像评测数据集，我们进一步构建了具有挑战性的假图数据集 DeepFakeFaceForensics（DF$^3$），包含 6 种最先进生成模型与多种后处理技术以逼近真实场景。实验结果表明，我们的方法在提出的 DF$^3$ 数据集及另外三个开源数据集上均优于最先进方法。