SPARK-IL：基于递增学习的频谱检索增强型 RAG 用于知识驱动的深度伪造检测
计算机视觉与模式识别
2026-04-07 v1
摘要
检测 AI 生成的图像仍然是一个重要挑战，因为在特定生成器上训练的检测器往往难以泛化到未见的模型；然而，虽然像素级细节在不同模型之间变化，但频谱域特征表现出更大的一致性，为跨生成器检测提供了有前景的基础。为此，我们提出了 SPARK-IL，一种检索增强框架，结合双路径频谱分析和递增学习，利用部分冻结的 ViT-L/14 编码器获取语义表示，同时平行路径处理原始 RGB 像素嵌入。两个路径经多带傅里叶分解分为四个频率带，由 Kolmogorov-Arnold 网络 (KAN) 带混合专家对每个频率带进行带内特定变换，随后通过跨注意力融合带残差连接的谱嵌入。在推理阶段，该融合嵌入使用余弦相似度从 Milvus 数据库中检索 个最近标记签名，以多数投票方式进行预测，同时采用递增学习策略扩充数据库并利用弹性权重Consolidation保持先前学习的变换。在基于 UniversalFakeDetect 数据集上评估，涵盖 19 种生成模型（包括 GAN、人脸替换和扩散方法），SPARK-IL 实现了 94.6% 的平均准确率，代码将在 https://github.com/HessenUPHF/SPARK-IL 公开。
引用
@article{arxiv.2604.03833,
title = {SPARK-IL: Spectral Retrieval-Augmented RAG for Knowledge-driven Deepfake Detection via Incremental Learning},
author = {Hessen Bougueffa Eutamene and Abdellah Zakaria Sellam and Abdelmalik Taleb-Ahmed and Abdenour Hadid},
journal= {arXiv preprint arXiv:2604.03833},
year = {2026}
}