ThinkFake：多模态大语言模型中的推理用于 AI 生成图像检测
计算机视觉与模式识别
2025-09-25 v1
摘要
AI 生成图像日益逼真，引发了关于错误信息和隐私侵犯的严重担忧，凸显了对准确且可解释的检测方法的迫切需求。虽然现有方法已取得进展，但大多数依赖没有解释的二分类，或严重依赖监督微调，导致泛化能力有限。在本文中，我们提出 ThinkFake，一个基于推理且可泛化的 AI 生成图像检测框架。我们的方法利用配备伪造推理提示的多模态大语言模型（MLLM），并使用精心设计的奖励函数通过组相对策略优化（GRPO）强化学习进行训练。该设计使模型能够进行逐步推理并产生可解释的结构化输出。我们进一步引入结构化检测流水线以增强推理质量和适应性。大量实验表明，ThinkFake 在 GenImage 基准上优于最先进方法，并在具有挑战性的 LOKI 基准上展现出强大的零样本泛化能力。这些结果验证了我们框架的有效性和鲁棒性。代码将在接收后发布。
引用
@article{arxiv.2509.19841,
title = {ThinkFake: Reasoning in Multimodal Large Language Models for AI-Generated Image Detection},
author = {Tai-Ming Huang and Wei-Tung Lin and Kai-Lung Hua and Wen-Huang Cheng and Junichi Yamagishi and Jun-Cheng Chen},
journal= {arXiv preprint arXiv:2509.19841},
year = {2025}
}