谱尾辅助学习用于AI生成图像检测
计算机视觉与模式识别
2026-05-22 v1
摘要
随着生成式图像模型的快速发展，生成图像与真实图像之间的感知差距不断缩小，使得AI生成图像检测日益具有挑战性。许多现有方法利用频率域线索进行检测，通常描述为频率域伪影或高频差异。然而，这些具体且反复出现的谱特征仍不足以被充分理解和表征。在本文中，我们系统性地分析了真实图像和生成图像的一维径向对数功率谱。我们发现，生成图像并不必然在整个谱或高频带范围内表现出更高或更低的能量。相反，它们的谱偏离了幂律衰减，并在超高频尾部显示异常的提升。我们称此现象为谱尾提升。我们进一步将此现象归因于训练生成模型中出现的非线性谐波累积，表明它可作为一种跨生成架构的结构线索。基于此观察，我们提出了谱尾辅助学习（STAL），一种用于通用AI生成图像检测的频率域辅助监督框架。STAL在训练期间将谱尾线索从一个具有谱尾意识的频率教师传递到空间检测器，而所有频率域模块在推理时均被丢弃。因此，STAL在推理时没有额外开销。在9个公开数据集上的大量实验表明，STAL在不同生成器、数据分布和实际场景下均实现了强大的泛化能力和稳定性。
引用
@article{arxiv.2605.22751,
title = {Spectral Tail Auxiliary Learning for AI-Generated Image Detection},
author = {Xingyi Li and Jiahui Zhang and Yiheng Li and Yun Cao and Wenhao Wang},
journal= {arXiv preprint arXiv:2605.22751},
year = {2026}
}