HiMix：面向泛化合成图像检测的层次化伪影感知混合增强
计算机视觉与模式识别
2026-05-01 v1
摘要
生成模型的快速发展使得创建高度逼真且多样化的合成图像成为可能，这对可靠且可泛化的合成图像检测（SID）提出了重大挑战。然而，现有检测器通常在有限且有偏的数据集上训练，导致对未见过的生成器泛化能力差。为了解决这个问题，我们提出了HiMix，这是一个通过扩展训练分布并促进伪影感知表征来增强泛化能力的统一框架。具体而言，混合驱动的分布增强（MDA）模块在真实和虚假图像之间构建连续的过渡样本，提高了对低置信度区域的覆盖，并使模型接触到更具挑战性的样本，而像素级混合操作则平滑地扰动语义以增强对低级伪影的敏感性。此外，分层伪影感知表征（HAR）模块通过跨层集成和由粗到精的特征融合，从全局和局部两个层面聚合伪影信息，从而能够在多样化分布下提取具有判别力的伪造表征。在多个基准测试上的广泛实验表明，HiMix实现了最先进的性能，建立了分离良好的logits，从而提高了对未见伪造的泛化能力。
引用
@article{arxiv.2604.27903,
title = {HiMix: Hierarchical Artifact-aware Mixup for Generalized Synthetic Image Detection},
author = {Shuchang Zhou and Kaiwen Shen and Jiwei Wei and Yuyang Zhou and Peng Wang and Yang Yang},
journal= {arXiv preprint arXiv:2604.27903},
year = {2026}
}