LDR-Net：基于局部差异表示的AI生成图像检测框架
计算机视觉与模式识别
2025-01-24 v1
摘要
随着生成模型的快速发展，生成图像的视觉质量已接近真实图像，给内容真实性验证带来了挑战。现有方法主要关注特定的伪造线索，往往针对特定的生成模型（如GAN或扩散模型）进行设计，这些方法在跨架构 generalization 上存在困难。基于观察到生成图像常在局部区域存在异常（如过度光滑、模糊的纹理和不自然的像素变化），本文提出了局部差异表示网络（LDR-Net），用于检测AI生成图像。LDR-Net捕捉平滑性瑕疵和纹理不规则性，这些特征常被忽视。它集成了两个互补模块：局部梯度自相关（LGA），用于检测平滑性异常；局部变模式（LVP），用于通过建模图像模式的复杂性来捕捉不自然的规律性。通过合并LGA和LVP特征，可提供局部差异的全面表示。广泛的实验表明，LDR-Net在检测生成图像方面实现了最先进的性能，并在跨越未知生成模型方面表现出令人满意的 generalization。代码将在论文接受后公开。
引用
@article{arxiv.2501.13475,
title = {LDR-Net: A Novel Framework for AI-generated Image Detection via Localized Discrepancy Representation},
author = {JiaXin Chen and Miao Hu and DengYong Zhang and Yun Song and Xin Liao},
journal= {arXiv preprint arXiv:2501.13475},
year = {2025}
}