OmniDFA：面向开放集合成图像检测与小样本溯源归因的统一框架

AI生成图像（AIGI）的检测与源模型归因仍是打击深度伪造滥用的核心挑战，这主要源于生成模型的结构多样性。当前的检测方法容易过拟合特定的伪造特征，而溯源归因则通过细粒度特征判别提供了一种更稳健的替代方案。然而，合成图像归因仍然受限于大规模、分类良好的合成数据集的稀缺，这限制了其实用性以及与检测系统的兼容性。在这项工作中，我们提出了一种新的图像归因范式，称为开放集、小样本来源识别。该范式旨在仅使用有限样本可靠地识别未见过的生成器，使其非常适合现实世界的应用。为此，我们引入了OmniDFA（Omni Detector and Few-shot Attributor），这是一个面向AIGI的新型框架，它不仅评估图像的真实性，还能以小样本的方式确定其合成来源。为了促进这项工作，我们构建了OmniFake，一个大规模类别感知的合成图像数据集，该数据集整理了来自45个不同生成模型的117万张图像，极大地丰富了AIGI检测与归因研究的基础资源。实验表明，OmniDFA在开放集归因方面表现出色，并在AIGI检测上取得了最先进的泛化性能。我们的数据集和代码将开源。