量：圖像分辨率從720P到4K不等，提供了更高質(zhì)量的圖像數(shù)據(jù)，增加了檢測模型的挑戰(zhàn)性。

AIDE模型：多專家融合的檢測框架

在AI生成圖像檢測領(lǐng)域，現(xiàn)有的檢測方法往往只能從單一角度進(jìn)行分析，難以全面捕捉AI生成圖像與真實(shí)圖像之間的細(xì)微差異。

為了解決這一問題，研究者們提出了簡單且有效的AIDE（AI-generated Image DEtector with Hybrid Features）模型，該模型通過融合多種專家模塊，從低級像素統(tǒng)計(jì)和高級語義兩個(gè)層面全面捕捉圖像特征，實(shí)現(xiàn)了對AI生成圖像的精準(zhǔn)檢測。

AIDE模型主要由兩個(gè)核心模塊組成：Patchwise Feature Extraction（PFE）模塊和Semantic Feature Embedding（SFE）模塊。這兩個(gè)模塊通過多專家融合的方式，共同為最終的分類決策提供豐富的特征信息。

Patchwise Feature Extraction（PFE）模塊

PFE模塊旨在捕捉圖像中的低級像素統(tǒng)計(jì)特征，特別是AI生成圖像中常見的噪聲模式和紋理異常。具體而言，該模塊通過以下步驟實(shí)現(xiàn)：

Patch Selection via DCT Scoring：首先，將輸入圖像劃分為多個(gè)固定大小的圖像塊（如32×32像素）。然后，對每個(gè)圖像塊應(yīng)用離散余弦變換（DCT），將其轉(zhuǎn)換到頻域。通過設(shè)計(jì)不同的帶通濾波器，計(jì)算每個(gè)圖像塊的頻率復(fù)雜度得分，從而識別出最高頻率和最低頻率的圖像塊。

Patchwise Feature Encoder：將篩選出的高頻和低頻圖像塊調(diào)整為統(tǒng)一大?。ㄈ?56×256像素），并輸入到SRM（Spatial Rich Model）濾波器中提取噪聲模式特征。這些特征隨后通過兩個(gè)ResNet-50網(wǎng)絡(luò)進(jìn)行進(jìn)一步處理，得到最終的特征圖。

Semantic Feature Embedding（SFE）模塊

SFE模塊旨在捕捉圖像中的高級語義特征，特別是物體共現(xiàn)和上下文關(guān)系等。具體而言，該模塊通過以下步驟實(shí)現(xiàn)：

Semantic Feature Embedding：利用預(yù)訓(xùn)練的OpenCLIP模型對輸入圖像進(jìn)行全局語義編碼，得到圖像的視覺嵌入特征。通過添加線性投影層和平均空間池化操作，進(jìn)一步提取圖像的全局上下文信息。

Discriminator模塊

將PFE和SFE模塊提取的特征在通道維度上進(jìn)行融合，通過多層感知機(jī)（MLP）進(jìn)行最終的分類預(yù)測。具體而言，首先對高頻和低頻特征圖進(jìn)行平均池化，得到低級特征表示；然后將其與高級語義特征進(jìn)行通道級拼接，形成最終的特征向量；最后通過MLP網(wǎng)絡(luò)輸出分類結(jié)果。

實(shí)驗(yàn)結(jié)果

數(shù)據(jù)集：實(shí)驗(yàn)在AIGCDetectBenchmark、GenImage和Chameleon三個(gè)數(shù)據(jù)集上進(jìn)行。AIGCDetectBenchmark和GenImage是現(xiàn)有的基準(zhǔn)測試數(shù)據(jù)集，而Chameleon是研究者們新構(gòu)建的更具挑戰(zhàn)性的數(shù)據(jù)集。

模型對比：研究者選擇了9種現(xiàn)成的AI生成圖像檢測器進(jìn)行對比，包括CNNSpot、FreDect、Fusing、LNP、LGrad、UnivFD、DIRE、PatchCraft和NPR。

評價(jià)指標(biāo)：實(shí)驗(yàn)采用分類準(zhǔn)確率（Accuracy）和平均精度（Average Precision, AP）作為評價(jià)指標(biāo)。

團(tuán)隊(duì)評測了AIDE在AIGCDetectBenchmark和GenImage上的結(jié)果，如下表所示：

AIDE模型在這兩個(gè)數(shù)據(jù)集上的優(yōu)異表現(xiàn)表明，融合低級像素統(tǒng)計(jì)和高級語義特征的方法能夠有效捕捉AI生成圖像與真實(shí)圖像之間的差異，從而提高檢測準(zhǔn)確率。

隨后在Chameleon benchmark上測評了9個(gè)現(xiàn)有的detectors，如下表所示。

同時(shí)團(tuán)隊(duì)可視化了，之前的SOTA方法PatchCraft在AIGCDetectBenchmark & GenImage 以及Chameleon上的表現(xiàn)

結(jié)果表明，之前在AIGCDetectBenchmark &GenImage上表現(xiàn)優(yōu)異的模型，在Chameleon benchmark上均表現(xiàn)很差，這表明Chameleon數(shù)據(jù)集中的圖像確實(shí)具有高度的逼真性，對現(xiàn)有檢測模型提出了更大的挑戰(zhàn)。

本論文通過對現(xiàn)有 AI 生成圖像檢測方法的重新審視，提出了一個(gè)新的問題設(shè)定，構(gòu)建了更具挑戰(zhàn)性的 Chameleon 數(shù)據(jù)集，并設(shè)計(jì)了一個(gè)融合多專家特征的檢測器 AIDE。實(shí)驗(yàn)結(jié)果表明，AIDE 在現(xiàn)有的兩個(gè)流行基準(zhǔn)（AIGCDetectBenchmark 和 GenImage）上取得了顯著的性能提升，分別比現(xiàn)有的最先進(jìn)方法提高了 3.5% 和 4.6% 的準(zhǔn)確率。然而，在 Chameleon 基準(zhǔn)上，盡管 AIDE 取得了最好的性能，但與現(xiàn)有基準(zhǔn)相比，仍存在較大的差距。

這表明，檢測 AI 生成圖像的任務(wù)仍然具有很大的挑戰(zhàn)性，需要未來進(jìn)一步的研究和改進(jìn)。希望這一工作能夠?yàn)檫@一領(lǐng)域的研究提供新的思路和方向，推動(dòng) AI 生成圖像檢測技術(shù)的發(fā)展。

盡管AIDE模型在AI生成圖像檢測領(lǐng)域取得了顯著進(jìn)展，但研究者們?nèi)杂?jì)劃在未來的工作中進(jìn)一步優(yōu)化模型架構(gòu)，探索更高效的特征提取和融合方法。

此外，研究者們還計(jì)劃擴(kuò)大Chameleon數(shù)據(jù)集的規(guī)模，涵蓋更多類別、更多場景、更多生成模型的圖像，以推動(dòng)AI生成圖像檢測技術(shù)的進(jìn)一步發(fā)展。

論文： https://arxiv.org/pdf/2406.19435
主頁： https://shilinyan99.github.io/AIDE/
代碼： https://github.com/shilinyan99/AIDE