当检测器忘记取证：阻止通用AI生成图像检测中的语义捷径
计算机视觉与模式识别
2026-03-11 v1
摘要
AI生成图像检测越来越受重视，因生成式AI的快速发展。然而，基于视觉基础模型（VFM，如CLIP）的检测器常在面对使用未知生成管道创建的图像时难以 generalization。我们首次识别到一种关键失效机制，称为语义回退（semantic fallback），即在分布迁移下，VFM-based检测器依赖于占主导地位的预训练语义先验（如身份）而非伪造特定痕迹。为此，我们提出了几何语义解耦（GSD），一个无参数模块，通过利用冻结的VFM作为语义指南，配合作为制造artifact检测器的可训练VFM，显式移除学习表示中的语义成分。GSD估计语义方向并通过几何约束将其投射，从而迫使artifact检测器依赖于语义不变的forensic证据。广泛的实验表明，我们的方法在交叉数据集评估中持续超越最先进方法，在94.4%的视频级AUC上（+1.2%），提高了对未知操作的鲁棒性（+3.0%在DF40），并超越面脸部扩展到一般场景合成图像检测，包括UniversalFakeDetect（+0.9%）和GenImage（+1.7%）。
引用
@article{arxiv.2603.09242,
title = {When Detectors Forget Forensics: Blocking Semantic Shortcuts for Generalizable AI-Generated Image Detection},
author = {Chao Shuai and Zhenguang Liu and Shaojing Fan and Bin Gong and Weichen Lian and Xiuli Bi and Zhongjie Ba and Kui Ren},
journal= {arXiv preprint arXiv:2603.09242},
year = {2026}
}