跨模态AI生成内容分类的可扩展框架

生成式AI技术的快速发展，使得有效区分人类生成内容与AI生成内容，以及对不同生成模型的输出进行分类变得愈发重要。本文提出了一个可扩展的框架，该框架集成了感知哈希、相似度测量和伪标签技术以应对这些挑战。我们的方法能够在不重新训练的情况下纳入新的生成模型，确保了在动态场景中的适应性和鲁棒性。在Defactify4数据集上的综合评估表明，该框架在文本和图像分类任务中表现出具有竞争力的性能，在区分人类与AI生成内容以及分类不同生成方法方面均达到了高准确率。这些结果凸显了随着生成式AI的持续发展，该框架在实际应用中的潜力。源代码可在 https://github.com/ffyyytt/defactify4 公开获取。