基于G通道移除重构误差的AI生成图像鲁棒检测
计算机视觉与模式识别
2026-01-07 v1
摘要
特别是扩散模型和GAN的快速发展，大大增加了区分合成图像与真实图像的难度。尽管提出了许多检测方法，但其准确率在应用于来自新型或未见生成模型的图像时常会下降，凸显了实现强大泛化的挑战。为解决这一问题，我们引入一种基于通道移除重构的新型检测范式。具体而言，我们观察到，当从真实图像中移除绿色(G)通道并进行重构时，其重构误差与AI生成图像的重构误差存在显著差异。基于这一洞察，我们提出G通道移除重构误差(GRRE)，一种简单而有效的方法，利用这一差异进行鲁棒的AI生成图像检测。广泛的实验表明，GRRE在包括训练期间未见的多个生成模型在内的多个生成模型上均能实现高检测准确率。与现有方法相比，GRRE不仅在各种扰动和后处理操作上保持强鲁棒性，还在跨模型泛化方面表现优异。这些结果凸显了通道移除基于重构作为生成AI时代图像真实性保障的强大 Forensic 工具的潜力。
引用
@article{arxiv.2601.02709,
title = {GRRE: Leveraging G-Channel Removed Reconstruction Error for Robust Detection of AI-Generated Images},
author = {Shuman He and Xiehua Li and Xioaju Yang and Yang Xiong and Keqin Li},
journal= {arXiv preprint arXiv:2601.02709},
year = {2026}
}