HRR: 用于生成图像检测的分层回溯精炼
计算机视觉与模式识别
2025-02-26 v1
摘要
生成式人工智能具有被滥用的重大风险，生成图像检测已成为研究重点。然而，现有方法主要聚焦于检测特定生成模型并强调合成区域的定位，同时忽视了图像尺寸和风格对模型学习造成的干扰。我们的目标是得出一个基本结论：图像是真实的还是生成的？为此，我们提出了一种基于扩散模型的生成图像检测框架——分层回溯精炼（HRR）。它设计了一个多尺度风格回溯模块，鼓励模型生成详细且真实的多尺度表示，同时缓解由数据集风格和生成模型引入的学习偏差。此外，基于相关熵稀疏加性机器的原理，设计了一个特征精炼模块，以减少冗余特征对学习的影响并捕捉数据的内在结构与模式，从而提升模型的泛化能力。大量实验证明HRR框架持续带来显著的性能提升，在生成图像检测任务中优于最先进方法。
引用
@article{arxiv.2502.17862,
title = {HRR: Hierarchical Retrospection Refinement for Generated Image Detection},
author = {Peipei Yuan and Zijing Xie and Shuo Ye and Hong Chen and Yulong Wang},
journal= {arXiv preprint arXiv:2502.17862},
year = {2025}
}