← 最新论文
💻 computer science

NTIRE 2026 Challenge on Robust AI-Generated Image Detection in the Wild

本文概述了与 CVPR 2026 同期举办的 NTIRE 2026“野外鲁棒性 AI 生成图像检测”挑战赛,该赛事旨在通过包含 42 种生成模型及多种图像变换的大规模数据集,推动能够抵御现实世界图像变换的鲁棒检测模型发展。

原作者: Aleksandr Gushchin, Khaled Abud, Ekaterina Shumitskaya, Artem Filippov, Georgii Bychkov, Sergey Lavrushkin, Mikhail Erofeev, Anastasia Antsiferova, Changsheng Chen, Shunquan Tan, Radu Timofte, Dmitry
发布于 2026-04-15
📖 1 分钟阅读☕ 轻松阅读

原作者: Aleksandr Gushchin, Khaled Abud, Ekaterina Shumitskaya, Artem Filippov, Georgii Bychkov, Sergey Lavrushkin, Mikhail Erofeev, Anastasia Antsiferova, Changsheng Chen, Shunquan Tan, Radu Timofte, Dmitry Vatolin, Chuanbiao Song, Zijian Yu, Hao Tan, Jun Lan, Zhiqiang Yang, Yongwei Tang, Zhiqiang Wu, Jia Wen Seow, Hong Vin Koay, Haodong Ren, Feng Xu, Shuai Chen, Ruiyang Xia, Qi Zhang, Yaowen Xu, Zhaofan Zou, Hao Sun, Dagong Lu, Mufeng Yao, Xinlei Xu, Fei Wu, Fengjun Guo, Cong Luo, Hardik Sharma, Aashish Negi, Prateek Shaily, Jayant Kumar, Sachin Chaudhary, Akshay Dudhane, Praful Hambarde, Amit Shukla, Zhilin Tu, Fengpeng Li, Jiamin Zhang, Jianwei Fei, Kemou Li, Haiwei Wu, Bilel Benjdira, Anas M. Ali, Wadii Boulila, Chenfan Qu, Junchi Li

原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

这篇论文讲述了一场发生在 2026 年的“真假美猴王”大比武,名叫NTIRE 2026 挑战赛

想象一下,现在的 AI 画图画得跟真照片一模一样,连专家都很难分清。这就带来了一个大问题:如果有人在新闻里、社交媒体上发了一张 AI 生成的假图,我们怎么知道它是真的还是假的?

这场挑战赛就是为了解决这个问题:训练出一群“火眼金睛”的侦探,不仅能认出 AI 画的画,还要在图片被“折腾”过之后,依然能认出它。

1. 比赛背景:为什么这么难?

现在的 AI 画图工具(比如 Midjourney, Stable Diffusion 等)太厉害了,生成的图片几乎以假乱真。
但是,真正的挑战在于现实世界

  • 现实情况:一张图片发到你手机上,可能经过了压缩(为了省流量)、裁剪(为了发朋友圈)、模糊(因为网络不好)或者加了滤镜。
  • 侦探的困境:很多以前的“侦探”(检测模型)很娇气,图片稍微被压缩或模糊一下,它们就“晕”了,分不清真假。
  • 比赛目标:我们要造出那种皮实、耐造的侦探,不管图片被怎么“折磨”,都能一眼识破。

2. 比赛道具:一张巨大的“题库”

为了训练这些侦探,主办方准备了一个超级大题库:

  • 真图库:从网上收集了约 10.8 万张真实的照片。
  • 假图库:让 42 种不同的 AI 画图工具(从老的到最新的)生成了约 18.5 万张假图。
  • 折磨训练:为了让侦探变强,主办方给这些图片加了 36 种“酷刑”,比如:
    • 像把照片揉皱了再展平(模糊、噪点)。
    • 像把照片压扁了再拉长(裁剪、缩放)。
    • 像给照片盖了一层磨砂玻璃(压缩、水印)。
    • 甚至还有一些专门用来骗 AI 的“隐形攻击”。

3. 参赛高手:511 人报名,20 支战队突围

有 511 个人报名,最后 20 支顶尖战队提交了他们的“侦探方案”。这里有几个特别有趣的策略:

  • MICV 战队(冠军)

    • 策略:他们搞了一个“超级侦探团”。他们不只用一个大脑,而是用了好几个强大的 AI 模型(DINOv3)组成委员会。
    • 比喻:就像开一个专家会诊会,每个专家看一遍图,然后大家投票。如果大家都说“这是假的”,那大概率就是假的。他们还专门训练这些专家去适应各种“酷刑”,让他们在恶劣环境下也能保持冷静。
  • Ant International(蚂蚁国际,亚军)

    • 策略:他们用了“双专家”模式。一个专家专门看高清大图(抓细节),另一个专家专门看经过各种处理的图(抓规律)。
    • 比喻:就像一个是“显微镜专家”,一个是“抗干扰专家”,两人配合,一个负责细节,一个负责大局,最后把两人的意见结合起来。
  • TeleAI-TeleGuard

    • 策略:他们玩了一个“配对游戏”。在训练时,他们把一张真图和它被“折磨”后的版本放在一起教 AI。
    • 比喻:就像教孩子认人,不仅教孩子看“素颜照”,还同时给他看“化了浓妆”、“戴了墨镜”、“被雨淋湿”的照片,告诉孩子:“不管怎么变,这还是同一个人(或同一类图)”。
  • 其他战队

    • 有的战队用了“混合双打”,把不同类型的 AI 模型(有的擅长看语义,有的擅长看纹理)组合在一起。
    • 有的战队专门研究怎么让 AI 在内存很小的情况下也能跑得快(像 Reagvis Labs 战队,把模型排着队一个个看,省内存)。

4. 比赛结果:谁赢了?

  • 冠军MICV 战队。他们的模型在“被折磨”过的图片上表现最好,准确率极高(ROC AUC 达到了 0.97 以上,满分是 1)。
  • 表现:前两名非常接近,说明现在的技术已经很强了。但是,随着 AI 画图技术越来越强,检测的难度也在增加。
  • 差距:虽然顶尖模型很强,但有些模型一旦图片被严重压缩或模糊,准确率就会下降。这说明“抗干扰”依然是最大的难点。

5. 总结与启示

这篇论文告诉我们:

  1. AI 画图越来越真,AI 识图也要越来越强。
  2. 光在实验室里训练没用,必须让 AI 在充满噪音、模糊、压缩的“真实世界”里练级。
  3. 未来的方向:不是只用一个超级大脑,而是用多个专家组成的团队,或者用更聪明的训练方法(比如让 AI 学会在“被折磨”后依然保持记忆)。

一句话总结
这是一场关于“真假辨别”的奥林匹克,参赛者们用各种聪明的办法,训练出了能在各种恶劣环境下依然能一眼识破 AI 假图的“超级侦探”。虽然目前冠军已经诞生,但这场“猫鼠游戏”还将继续,因为 AI 画图的技术还在不断进化。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →