TrueMoE：用于合成图像检测的双路由判别性专家混合
计算机视觉与模式识别
2025-09-22 v1
摘要
生成模型的快速进展使得合成图像检测成为一项日益关键的任务。大多数现有方法试图构建一个单一的通用判别空间来区分真实与伪造内容。然而，这种统一空间往往复杂且脆弱，通常难以泛化到未见过的生成模式。在这项工作中，我们提出了 TrueMoE，一种新颖的双路由判别性专家混合（Mixture-of-Discriminative-Experts）框架，该框架将检测任务重新表述为跨多个专门且轻量级的判别子空间的协同推理。TrueMoE 的核心是一个判别性专家阵列（Discriminative Expert Array, DEA），其沿流形结构和感知粒度的互补轴组织，使得能够在子空间中捕获多样的伪造线索。双路由机制由粒度感知稀疏路由器和流形感知密集路由器组成，自适应地将输入图像分配给最相关的专家。在广泛的生成模型上的大量实验表明，TrueMoE 实现了卓越的泛化性和稳健性。
引用
@article{arxiv.2509.15741,
title = {TrueMoE: Dual-Routing Mixture of Discriminative Experts for Synthetic Image Detection},
author = {Laixin Zhang and Shuaibo Li and Wei Ma and Hongbin Zha},
journal= {arXiv preprint arXiv:2509.15741},
year = {2025}
}