基于相机元数据的自监督AI生成图像检测
计算机视觉与模式识别
2026-03-02 v2
摘要
AI生成图像的 proliferation 正在为多媒体 forensics 带来日益严峻的挑战，但许多现有检测器依赖于关于特定生成模型内部细节的假设，这限制了其跨模型的适用性。我们引入了一种基于相机元数据的自监督方法，用于检测AI生成图像，具体包括exchangeable image file format(EXIF)标签，以学习数字摄影中固有的特征。我们的预文本任务仅在相机捕获的照片上训练特征提取器，通过对分类性EXIF标签（例如相机型号和场景类型）和对序数和连续EXIF标签（例如焦距和光圈值）进行成对排序来实现。使用这些EXIF诱导的特征，我们首先通过高斯混合模型对摄影图像分布进行建模，并标记低似然性样本为AI生成。我们然后扩展到二分类检测，将所学的提取器作为具有相同体系结构的分类器的强正则化器， operating on 来自 spatially scrambled patches 的高频残差。广泛的实验表明，我们的EXIF诱导检测器在状态方面取得了显著的提升，为野外样本提供了强大的泛化能力，并对常见的良性图像扰动具有鲁棒性。代码和模型已公开于https://github.com/Ekko-zn/SDAIE。
引用
@article{arxiv.2512.05651,
title = {Self-Supervised AI-Generated Image Detection: A Camera Metadata Perspective},
author = {Nan Zhong and Mian Zou and Yiran Xu and Zhenxing Qian and Xinpeng Zhang and Baoyuan Wu and Kede Ma},
journal= {arXiv preprint arXiv:2512.05651},
year = {2026}
}