UniGenDet：面向联合生成式-判别式框架的统一生成-检测方法

近年来，图像生成和生成图像检测取得了显著进展。尽管两者发展迅速，但往往是相对独立的，导致两者演化出不同的体系结构范式：前者主要依赖生成网络，后者则偏好判别式框架。两者领域的最新趋势是利用对抗信息来提升性能，揭示了潜在的协同效应。然而，两者之间的显著体系结构差异带来了诸多挑战。超越前述方法，我们提出 UniGenDet：一个面向联合生成式-判别式框架的统一方法，用于协演化图像生成和生成图像检测。为弥合任务差距，我们设计了一种互惠型多模态自注意力机制和统一的微调算法。这种协同效应使生成任务能够提高身份识别的可解释性，而身份准则又指导创建更高保真度的图像。此外，我们引入一种基于检测器的生成对齐机制，以促进信息的无缝交换。广泛的实验表明，我们的方法在多个数据集上实现了最先进的性能。代码: \href{https://github.com/Zhangyr2022/UniGenDet}{https://github.com/Zhangyr2022/UniGenDet}。