SciFigDetect：AI生成科学图表检测基准
计算机视觉与模式识别
2026-04-10 v1
摘要
现代多模态生成器已能以接近可出版质量生成科学图表，为视觉 Forensics 与研究完整性带来新挑战。不同于常规AI生成的自然图像，科学图表具有结构化、文本密集且严格对齐学术语义的特性，构成独特且棘手的检测目标。然而，现有AI生成图像检测基准与方法几乎全部针对开放域图像开发，导致该领域鲜有涉足。我们提出首个AI生成科学图表检测基准。为构建其数据，我们发展了基于智能体的数据管道：检索获授权源论文，进行纸文本与图表的多模态理解，构建结构化提示，综合候选图表，并通过审阅驱动的精炼循环进行筛选。最终基准覆盖多个图表类别、多个生成来源及对齐的真实-合成配对。我们在零样本、跨生成器及受损图像等设置下对代表性检测器进行基准测试。结果显示当前方法在零样本迁移中失败严重，存在强烈生成器特定过拟合，且在常见后处理损伤下脆弱不稳。这些发现揭示了现有AIGI检测能力与高质量科学图表新分布之间的显著鸿沟。我们希望此基准可为未来研究奠定稳健且通用的科学图表Forensics基础。数据集已发布于 https://github.com/Joyce-yoyo/SciFigDetect。
引用
@article{arxiv.2604.08211,
title = {SciFigDetect: A Benchmark for AI-Generated Scientific Figure Detection},
author = {You Hu and Chenzhuo Zhao and Changfa Mo and Haotian Liu and Xiaobai Li},
journal= {arXiv preprint arXiv:2604.08211},
year = {2026}
}