中间表示是强 AI 生成图像检测器的有效方法
计算机视觉与模式识别
2026-05-07 v1 机器学习
摘要
生成式 AI 模型的快速发展使得能够创建逼真的图像成为可能。与此同时，关于生成内容潜在滥用和危险的担忧日益增长，亟需有效的 AI 生成图像检测器。然而，当前基于训练的检测技术通常计算成本高昂，难以推广到未见数据域，而训练-free 方法在检测性能上不足。为弥合这一差距，我们提出了一种基于搜索的方法，利用中间层的数据嵌入灵敏度来检测 AI 生成图像。给定一组真实和 AI 生成图像，该方法检查原始图像嵌入与扰动后图像嵌入之间的相似性，并据此检测 AI 生成图像。我们在两个全面基准测试上进行了评估：GenImage 和 Forensics Small。我们的方法在不同数据集上均优于基于训练-free 和基于训练的最先进方法。平均而言，在 Forensics Small 数据集上，我们的方法相对于最佳训练-free 方法实现了 39.61% 的性能提升，相对于最佳训练-based 方法实现了 5.14% 的性能提升（以 AUROC 为指标）。
引用
@article{arxiv.2605.04358,
title = {Intermediate Representations are Strong AI-Generated Image Detectors},
author = {Zhenhan Huang and Pin-Yu Chen and Tejaswini Pedapati and Jianxi Gao},
journal= {arXiv preprint arXiv:2605.04358},
year = {2026}
}