探测器何时失败：主动探索生成空间以实现通用 AI 生成图像检测
计算机视觉与模式识别
2026-05-28 v3
摘要
检测 AI 生成图像（AIGI）仍具有挑战性，因为检测器常常在面对未见生成器时会失效。虽然现有方法在大规模数据集上进行训练，但性能在生成设置变化时仍会下降，表明数据规模本身并不足以解决问题，受限于训练期间对生成变体覆盖不足是关键因素。研究表明，生成模型编辑可通过微小的内部表示变化产生多样且有意义的图像变体，这些变体在标准采样下往往未被探索。基于这一洞见，我们提出 PROBE（Probing Robustness via Boundary Exploration）框架，通过主动探索生成过程的具象区域来提升检测器的通用性。PROBE 不把生成器当作固定的数据源，而是将检测器作为评判标准，引导生成器进行流形级修改，生成难以分类的真实样本。这些样本暴露了在标准数据采样策略下较少见的失效案例，可用于细化检测器。实验结果表明，PROBE 在多个基准测试上提升了对未见生成器的鲁棒性，实现更通用的 AIGI 检测性能。代码与模型已公开于 https://github.com/Amamiya-C/PROBE-AIGI-Detection。
引用
@article{arxiv.2605.24906,
title = {Where Detectors Fail: Probing Generative Space for Generalizable AI-Generated Image Detection},
author = {Zijie Cao and Weijie Tu and Yao Xiao and Weijian Deng and Liang Lin and Pengxu Wei},
journal= {arXiv preprint arXiv:2605.24906},
year = {2026}
}
备注
Accepted by ICML2026