有机还是扩散：我们能否区分人类艺术与AI生成图像？

生成式AI图像的出现彻底颠覆了艺术世界。区分AI生成图像与人类艺术是一个日益严峻的挑战性问题。未能解决此问题将使不良行为者得以欺诈那些为人类艺术支付高价的个人以及明令禁止AI图像的公司。对于内容所有者建立版权，以及对于希望管理训练数据以避免潜在模型崩溃的模型训练者而言，这也至关重要。区分人类艺术与AI图像有几种不同的方法，包括通过监督学习训练的分类器、针对扩散模型的研究工具，以及专业艺术家利用其艺术技法知识进行识别。在本文中，我们试图理解这些方法在良性和对抗性设置下，面对当今现代生成模型时的表现如何。我们整理了横跨7种风格的真人艺术作品，从5个生成模型生成了匹配的图像，并应用了8种检测器（5种自动检测器和3个不同的人类群体，包括180名众包工作者、4000多名专业艺术家和13名擅长检测AI的专家艺术家）。Hive和专家艺术家都表现非常出色，但犯错的方式不同（Hive在对抗性扰动下较弱，而专家艺术家则产生更高的误报率）。我们认为，随着模型的不断进化，这些弱点将持续存在，并利用我们的数据证明了为何人类与自动检测器相结合的团队能提供准确性与鲁棒性的最佳组合。