SPECTRA-Net：面向AI生成图像检测的可解释跨域张量表示可扩展管线
计算机视觉与模式识别
2026-05-12 v1
摘要
AI生成图像（AIGI）的快速扩散已对数字信息完整性构成重大挑战。虽然人类观察者和现有检测模型难以跟上生成模型日益精细化的趋势，但迫切需要具备鲁棒性和实时性的检测系统。本文引入SPECTRA-Net，一个面向AIGI检测的可解释跨域张量表示可扩展管线。我们的方法利用图像的多视角表示，结合来自视觉基础模型（VFM）的全局语义特征、光谱分析、局部基于补丁的异常检测以及统计描述符。通过融合这些互补数据流，SPECTRA-Net在无域和跨域设置下均实现了状态最佳性能，展现出在WildFake、Chameleon和RRDataset等多个具有挑战性的数据集上的高准确率和广泛的泛化能力。该管线不仅为AIGI检测提供了稳健解决方案，还通过 artifact 局部化提供可解释性，为现实应用中的可信赖内容验证铺平了道路。
引用
@article{arxiv.2605.08226,
title = {SPECTRA-Net: Scalable Pipeline for Explainable Cross-domain Tensor Representations for AI-generated Images Detection},
author = {Sarra Arab and Anfal Achouri and Seif Eddine Bouziane},
journal= {arXiv preprint arXiv:2605.08226},
year = {2026}
}
备注
13 pages, 2 figures, submitted to a journal