MIRAGE：面向野生 AI 生成图像检测的挑战基准
计算机视觉与模式识别
2025-08-20 v1 人工智能
摘要
AI 生成图像（AIGI）的传播由生成式 AI 的进步推动，对信息安全和公众信任构成重大威胁。现有 AIGI 检测器虽在实验室环境中有效，但难以泛化到野生场景。这些真实场景下的图像噪声较大，范围从“明显虚假”图像到来自多种生成模型生成且经质量控制编辑的逼真图像。本文针对野生场景下的 AIGI 检测问题。我们引入MIRAGE，一个旨在模拟野生 AIGI 复杂性的挑战基准。MIRAGE 来自两个来源：(1) 来自互联网的大规模 AIGI 语料库，经人类专家验证；(2) 由多个专家生成器协作创建的合成数据集，紧密模拟野生场景下的逼真 AIGI。基于该基准，我们提出Mirage-R1，一种具备启发式到分析推理、针对 AIGI 检测的反思推理机制的视觉语言模型。Mirage-R1 采用两阶段训练：监督微调冷启动，随后强化学习阶段。通过采用推理时自适应思考策略，Mirage-R1 能在快速判断与更精确结论之间有效平衡推理速度与性能。大量实验表明，我们的模型在 MIRAGE 和公开基准上分别领先现有最先进检测器 5% 和 10%。该基准和代码将公开释放。
引用
@article{arxiv.2508.13223,
title = {MIRAGE: Towards AI-Generated Image Detection in the Wild},
author = {Cheng Xia and Manxi Lin and Jiexiang Tan and Xiaoxiong Du and Yang Qiu and Junjun Zheng and Xiangheng Kong and Yuning Jiang and Bo Zheng},
journal= {arXiv preprint arXiv:2508.13223},
year = {2025}
}