AI生成图像检测的方法与趋势：综合综述

生成式模型，如生成对抗网络（GANs）、扩散模型和变分自编码器（VAEs）的 proliferation 使得能够合成高质量的多媒体数据。然而，这些进步也引发了关于对抗性攻击、不道德用途以及社会危害的重大担忧。鉴于这些挑战，研究者们越来越关注开发有效检测合成数据的 methodologies，以缓解潜在风险。以往的综述主要聚焦于深度伪造检测，往往忽视了近期在合成图像鉴定方面的最新进展，尤其是那些采用多模态框架、基于推理的检测和无训练方法的检测方法。为填补这一差距，本次综述提供了针对由高级生成式AI模型生成的合成图像进行检测和分类的最新技术的全面且最新的综述。综述系统性地检阅了核心检测范式，将其分为空间域、频率域、指纹基、块基、无训练和多模态推理基框架，并提供这些方法底层原理的简要描述。我们进一步提供了这些方法在公开数据集上的详细比较分析，以评估其 generalizability、robustness 和 interpretability。最后，综述指出了开放挑战和未来方向，强调了结合无训练方法的效率与多模态模型的语义推理能力的混合框架的潜力，以推动可信且可解释的合成图像鉴定。