REVEAL：基于推理增强的forensic证据分析，用于可解释 AI 生成图像检测
计算机视觉与模式识别
2026-04-09 v2 人工智能
摘要
视觉生成模型的快速进步使得 AI 生成图像日益难以与真实图像区分，正在对社会信任和信息完整性构成日益严重的风险。这促使开发不仅准确且forensically可解释的检测器。虽然最近的多模态方法提高了可解释性，但许多方法依赖事后合理化或粗糙的视觉线索，缺乏可验证的证据链，往往导致泛化性能差。我们提出了 REVEAL-Bench，这是一个基于推理增强的多模态基准，围绕从轻量级专家模型派生的显式forensic证据链，构建为逐步的证据链轨迹。基于此基准，我们提出了 REVEAL（Reasoning-enhanced Forensic Evidence Analysis），一个受专家 grounding 的强化学习训练的可解释forensic框架。我们的奖励设计同时推动检测准确性、证据 grounding 推理稳定性和解释忠诚度。大量实验表明，我们的框架在跨域泛化性和对基线检测器的解释忠诚度方面显著优于现有方法。所有数据和代码将对外公开。
关键词
引用
@article{arxiv.2511.23158,
title = {REVEAL: Reasoning-Enhanced Forensic Evidence Analysis for Explainable AI-Generated Image Detection},
author = {Huangsen Cao and Qin Mei and Zhiheng Li and Yuxi Li and Zhan Meng and Ying Zhang and Chen Li and Zhimeng Zhang and Xin Ding and Yongwei Wang and Jing Lyu and Fei Wu},
journal= {arXiv preprint arXiv:2511.23158},
year = {2026}
}