LaRE$^2$：基于潜在重构误差的扩散生成图像检测方法

扩散模型的发展极大提升了图像生成质量，使得区分真实图像与生成图像日益困难。这一进展虽令人瞩目，但也引发了重大的隐私与安全关切。为此，我们提出一种新颖的潜在重构误差引导特征精炼方法（LaRE$^2$），用于检测扩散生成图像。我们提出了潜在重构误差（LaRE），这是潜在空间中首个基于重构误差的生成图像检测特征。LaRE在特征提取效率上超越现有方法，同时保留了区分真伪所需的关键线索。为利用LaRE，我们提出一个误差引导特征精炼模块（EGRE），该模块可在LaRE引导下精炼图像特征，以增强特征的判别力。我们的EGRE采用先对齐后精炼的机制，从空间和通道两个视角有效精炼用于生成图像检测的图像特征。在大规模GenImage基准上的大量实验证明了LaRE$^2$的优越性，其在8个不同图像生成器上的平均ACC/AP分别超越最佳现有方法高达11.9%/12.1%。LaRE在特征提取成本上也超越现有方法，速度提升高达8倍。代码已公开。