GlobalForge: Towards Robust AI-Generated Image Detection
该论文介绍了 GlobalForge，这是一个鲁棒的 AI 生成图像检测框架，它通过局部信息瓶颈（Local Information Bottleneck）和全局结构推理（Global Structural Reasoning）模块，将关注点从脆弱的局部伪影转向稳定的全局结构推理，在真实退化图像以及新提出的 RealDeg-Bench 上显著优于现有最先进的方法。
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
想象一下你是一名试图识破伪造品的侦探。在数字图像的世界里，“AI生成”的图片正变得越来越逼真，肉眼看来与真实照片无异。这是一个大问题，因为坏人可能会利用这些虚假图像来传播谎言、制造真人深伪（deepfakes）或窃取艺术品。为了反击，科学家们构建了“检测器”——这些计算机程序旨在嗅出AI在绘画时留下的微小且不可见的错误。
长期以来，这些检测器在实验室里表现出色。但有一个问题：它们就像是只能识别出洁净、未经触碰的画布上某种特定污渍的侦探。一旦有人拿走那块画布，将其揉皱、复印，或者为了适应手机屏幕而缩小尺寸（这在图像在网络上传播时经常发生），检测器就会感到困惑并失效。它们一直在寻找“局部伪影（local artifacts）”——即图像中微小且脆弱的故障点。当图像被压缩或模糊处理时，这些微小的故障点就会消失，侦探也会因此变得盲目。大问题在于：我们如何构建一个在证据变得混乱时不会惊慌失措的检测器？
这就是 GlobalForge 这篇论文发挥作用的地方。研究人员意识到，旧有的侦探关注错了线索。他们不再去搜寻那些容易被破坏的微小污渍，而是决定教AI去观察“大局”——即整体结构以及图像中不同部分在远距离是如何相互关联的。他们构建了一个名为 GlobalForge 的新框架，强制AI忽略那些脆弱的局部细节，转而依赖于图像稳固的全局形状。
以下是他们实现这一目标的方法，运用了一些富有创意的技巧：
首先，他们安装了一个**“局部信息瓶颈”（Local Information Bottleneck, LIB）**。你可以把它想象成一副特殊的眼镜，可以模糊掉图像中微小的、高频的细节。这就像是在告诉侦探：“不要盯着单个笔触看；那些笔触可能是假的，或者已经被抹去了。只需观察绘画的总体流向即可。”通过模糊掉这些局部细节，AI就无法通过记忆那些在压缩后会消失的特定微小故障来进行“作弊”。
其次，他们添加了一个**“全局结构推理”（Global Structural Reasoning, GSR）**模块。想象一下你正在玩一个拼图游戏，但你被禁止观察紧挨着的碎片。你必须跳过桌面，去观察左上角的碎片是如何与右下角的碎片连接在一起的。这迫使AI去理解图像中的长程关系——即“全局结构”。如果一张图像是AI生成的，即使局部细节非常完美，这些远距离的连接往往也会显得“不对劲”或不自然。
为了确保这个新侦探在现实世界中足够强悍，团队创建了一个新的测试场——RealDeg-Bench。他们没有仅仅在干净的图像或单一类型的损伤上进行测试，而是模拟了一个“复合退化链（compound degradation chain）”。这就像是拍下一张照片，对其进行压缩、调整大小、模糊处理，然后连续重复上述过程五次——完全模拟了图片在社交媒体上传播时的真实情况。
结果令人印象深刻。在这些艰苦的现实世界测试中，GlobalForge 保持了其准确性，而旧方法则纷纷溃败。具体而言，在八个不同的“野外（in-the-wild）”基准组中，这种新方法比之前的最优方法平均平衡准确率（衡量识别真伪能力的指标）提升了 5.89%。在包含复杂损伤链的新测试场 RealDeg-Bench 上，GlobalForge 达到了 85.81% 的平均平衡准确率，明显优于其他顶尖检测器。
作者发现，依赖局部伪影的旧方法确实是导致失败的根源。当他们阻断AI观察这些局部线索时，AI在识别伪造品方面反而变得更强了，甚至对于它从未见过的图像也是如此。他们还表明，仅仅增加“数据增强”（即在训练期间向AI展示更多受损图像）是不够的；AI必须被“强迫”改变它观察图像的方式，而不只是改变它所看到的内容。
简而言之，GlobalForge 表明，要在混乱的现实世界中捕捉AI伪造品，我们需要停止寻找微小、脆弱的线索，转而寻找宏大的、结构性的真相。这是一种从“识别污渍的侦探”到“理解整个故事的侦探”的转变。
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。