CoDA: Color Distribution Probing for Efficient and Generalizable AI-Generated Image Detection

Resumen Técnico: CoDA: Sondeo de Distribución de Color para la Detección Eficiente y Generalizable de Imágenes Generadas por IA

Enunciado del Problema
La detección de imágenes generadas por IA enfrenta actualmente un compromiso fundamental entre generalización y eficiencia. Los métodos ligeros basados en artefactos suelen degradarse al encontrarse con generadores o dominios visuales no vistos, mientras que los modelos robustos a gran escala (por ejemplo, Modelos Visión-Lenguaje) son computacionalmente costosos y pueden seguir teniendo dificultades con dominios subrepresentados como imágenes médicas o técnicas. Además, los puntos de referencia existentes se centran principalmente en la evaluación cruzada de modelos dentro del régimen estrecho de imágenes fotorrealistas, dejando la robustez cruzada de dominios poco explorada. Este artículo aborda la necesidad de un paradigma de detección que sea tanto computacionalmente eficiente como robusto a través de diversos generadores y dominios visuales.

Metodología
Los autores proponen CoDA, un marco de detección compacto (1,48 millones de parámetros) basado en la observación de que las imágenes generadas por IA a menudo exhiben desequilibrios de color característicos en comparación con las fotografías reales. La metodología consta de tres componentes principales:

1. Base Teórica (Divergencia de Variedad): El artículo postula que los modelos generativos optimizan objetivos proxy que pueden empujar las muestras fuera de la variedad de baja dimensión de las imágenes reales. Esta desviación es particularmente sensible en direcciones cromáticas debido a la falta de restricciones físicas (por ejemplo, cadenas de procesamiento de ISP de cámara como el balance de blancos y la corrección gamma) en los procesos generativos. El análisis teórico vincula esta desviación fuera de la variedad con la no uniformidad de la distribución de color.
2. Sondeo de Cuantificación de Ruido: Para cuantificar la estabilidad de la distribución de color, los autores introducen un sondeo que aplica perturbación estocástica controlada. El proceso implica:
   • Inyectar ruido gaussiano en la imagen de entrada.
   • Aplicar cuantificación de color (redondeo).
   • Promediar múltiples muestras restauradas.
   • Calcular el mapa de diferencias entre la imagen original y la imagen restaurada.
   • Mecanismo: Las fotografías reales, con distribuciones de color más suaves y amplias, tienden a producir errores de perturbación que se cancelan durante el promedio, resultando en residuos pequeños. Por el contrario, las imágenes sintéticas con distribuciones de color picudas o irregulares producen residuos sistemáticos y estructurados.
3. Arquitectura de Doble Rama: CoDA emplea una red ligera de doble rama.
   • Rama Visual: Procesa la imagen original para capturar características semánticas y texturales.
   • Rama de Color: Procesa el mapa de diferencias generado por el Sondeo de Cuantificación de Ruido para extraer pistas distribucionales.
   • Las características de ambas ramas se concatenan y se alimentan a un clasificador ligero. Este diseño asegura que el modelo no dependa exclusivamente del color, sino que lo utilice como una señal complementaria para mejorar la robustez.

Contribuciones Clave

• Punto de Referencia FakeForm: Los autores introducen FakeForm, un punto de referencia a gran escala que comprende aproximadamente 370.000 imágenes en 62 dominios diversos (incluyendo escaneos CT, mapas de profundidad, diagramas de flujo y medios artísticos). Soporta tanto la evaluación cruzada de modelos como la cruzada de dominios e incluye más de 760.000 juicios perceptuales humanos con puntuaciones de realismo y justificaciones textuales.
• Análisis de Distribución de Color: El artículo identifica y analiza los artefactos de distribución de color como una señal recurrente a través de los principales paradigmas de generación (modelos GAN, Difusión, basados en Flujo y Autoregresivos), proporcionando un vínculo teórico entre la divergencia de variedad y la no uniformidad de color.
• Detector CoDA: Un detector ligero que transforma las irregularidades de la distribución de color en señales robustas mediante el Sondeo de Cuantificación de Ruido, logrando alta eficiencia sin sacrificar la generalización.

Resultados Experimentales

• Puntos de Referencia Estándar: En puntos de referencia establecidos (ForenSynths, Ojha, GenImage), CoDA logra un rendimiento de vanguardia, superando o igualando a métodos líderes como FatFormer y SAFE. Por ejemplo, en el punto de referencia GenImage, CoDA alcanza una precisión del 95,9 % y una AP del 99,1 %.
• Generalización Cruzada de Dominios (FakeForm): CoDA demuestra una robustez superior en configuraciones cruzadas de dominios. Mientras que los detectores de vanguardia a menudo caen por debajo del 75 % de precisión en contenido cruzado de dominios desafiante, CoDA logra una precisión promedio del 77,7 % en 62 dominios. Supera significativamente a las líneas base grandes basadas en VLM (por ejemplo, AIGI-Holmes), que se degradan más sustancialmente bajo cambios de dominio.
• Eficiencia: CoDA procesa imágenes a 125,2 cuadros por segundo (FPS) con solo 1,48 millones de parámetros. En contraste, los sistemas basados en VLM como AIGI-Holmes operan a aproximadamente 2,2 FPS con más de 7 mil millones de parámetros.
• Robustez: El modelo mantiene un alto rendimiento bajo perturbaciones de imagen comunes (desenfoque gaussiano, recorte, compresión JPEG, ruido), mostrando caídas de rendimiento menores en comparación con los competidores, particularmente en imágenes generadas por difusión.
• Estudios de Ablación: Los experimentos confirman la complementariedad de las dos ramas. El modelo completo supera a las configuraciones "Solo Rama de Imagen" (66,8 % frente a 77,7 % en FakeForm) y "Solo Rama de Color", validando que las pistas de color proporcionan evidencia complementaria esencial, especialmente en dominios ricos en color.

Significado y Afirmaciones
El artículo afirma que los artefactos generativos persistentes, específicamente la no uniformidad de la distribución de color, proporcionan una base práctica para la detección eficiente y robusta de imágenes generadas por IA. Al aprovechar el Sondeo de Cuantificación de Ruido, CoDA ocupa un "punto medio" entre los métodos forenses de bajo nivel frágiles y los modelos semánticos de alto nivel costosos. Los autores argumentan que su enfoque ofrece una solución escalable para la implementación en el mundo real donde los detectores deben operar en un amplio espectro de contenido visual (desde fotografía hasta diagramas técnicos) sin la sobrecarga computacional de los grandes modelos multimodales. El trabajo sugiere que, aunque las pistas de color dependen del dominio (funcionando mejor en contenido fotográfico y artístico y menos en dominios de bajo color o altamente especializados), sirven como una señal poderosa y complementaria que mejora la generalización cuando se fusiona con características de imagen estándar.