技术摘要：GenSyn10

问题陈述

生成式人工智能的快速发展已经超越了可靠检测机制的发展速度。AI 生成图像检测的一个核心挑战是分布外（OOD）生成器偏移问题：针对特定生成器（如 Stable Diffusion v1.4）训练的检测器往往无法泛化到来自未见过的、具有不同架构特征的生成器的输出。现有的基准测试（如 CIFAKE）依赖于过时的单生成器数据集或缺乏标准化的生成协议，阻碍了对跨生成器泛化能力的受控评估。此外，目前的基准测试通常未能包含来自最新一代开源模型的图像，从而在理解检测器如何应对现代架构范式（如整流流变换器 Rectified Flow Transformers、混合专家模型 MoE 以及多模态扩散变换器 MMDiT）方面留下了空白。

研究方法

数据集构建：GenSyn10

作者引入了 GenSyn10，这是一个与 CIFAR-10 结构对齐的合成图像数据集（10 个类别，32×32 分辨率，共 60,000 张图像）。

• 生成器： 图像使用三个代表不同架构家族的最先进开源模型进行生成：
  1. FLUX.2-dev： 使用整流流变换器（Rectified Flow Transformer）。
  2. HunyuanImage-3.0： 采用自回归混合专家模型（MoE）架构。
  3. Qwen-Image-2512： 将多模态扩散变换器（MMDT）与冻结的 Qwen2.5-VL 视觉语言模型相结合。
• 提示词工程： 一个组合式的、基于模板的提示词引擎为每个类别生成超过 100,000 个唯一的提示词组合。提示词结构跨越六个槽位（实例、场景、视角、光照、动作、引导词），并包含“清洁（Clean）”和“困难（Hard）”难度等级（引入遮挡、运动模糊等）。
• 标准化： 所有图像均在 512×512 分辨率下生成，并使用 Lanczos 重采样技术降采样至 32×32，以确保一致性。
• OOD 协议： 为了评估泛化能力，使用 Stable Diffusion 3.5 Large 作为留出生成器（held-out generator）。它被排除在训练集之外，但用于生成单独的测试集进行 OOD 评估，从而确保性能下降归因于架构偏移，而非提示词或分辨率的变化。

基准测试协议

论文评估了 17 种分类架构，涵盖七个模型家族（包括 VGG、ResNet、DenseNet、EfficientNet、ViT、Swin 和 ConvNeXt），采用了四阶段评估协议：

1. 基线（S1）： 在 CIFAR-10 测试集上评估经过 CIFAR-10 初始化的模型。
2. 零样本迁移（S2）： 在不进行微调的情况下，在 GenSyn10 测试集上评估相同的模型。
3. 保留（S3）： 在 GenSyn10 上进行微调，然后在 CIFAR-10 测试集上进行评估，以衡量灾难性遗忘。
4. 适配（S4）： 在 GenSyn10 上进行微调，然后在 GenSyn10 测试集上进行评估。

此外，还执行了二元真/伪（实/合成）分类任务。模型被训练用于区分真实的 CIFAR-10 图像与 GenSyn10 合成图像（分布内），然后测试其对留出的 Stable Diffusion 3.5 Large 生成的合成图像的识别能力（分布外）。

核心贡献

1. 多生成器基准： GenSyn10 是第一个包含来自 FLUX.2-dev、HunyuanImage-3.0 和 Qwen-Image-2512 图像的 CIFAR-10 等效数据集，涵盖了先前基准测试中缺失的不同生成家族。
2. 组合式提示词语法： 一个标准化的、基于模板的系统，确保了多样化、可复现的生成过程，并具有可控的难度，消除了提示词内容带来的混淆。
3. 全面的分类器基准： 系统地评估了 17 种架构在四阶段协议下的表现，为当前代的合成图像建立了性能基准。
4. 系统的 OOD 诊断： 通过使用留出生成器的受控实验设置，量化了检测器对未见架构的脆弱性，证明了架构归纳偏置是 OOD 抗性的主要决定因素。

结果

零样本与微调性能

• 零样本迁移： 经过 CIFAR-10 训练的模型表现出对 GenSyn10 高度的语义迁移能力。表现最好的模型（Swin-Base）实现了 96.86% 的零样本准确率，而最弱的模型（MNASNet-1.0）仍达到了 74.32%。
• 微调适配： 在 GenSyn10 上进行微调后，几乎所有模型的准确率都超过了 98.5%，其中 ConvNeXt-Base 达到了 99.88%。
• 保留： 与经典 CNN 相比，基于 Transformer 的模型（ViT、Swin）表现出更优越的原始 CIFAR-10 知识保留能力（例如，ViT-Base/16 保留了 95.12% 的准确率），而 CNN 则遭受了显著的遗忘（例如，ResNet-50 下降至 52.02%）。

二元真/伪分类

• 分布内（ID）： 模型在 GenSyn10 测试集上达到了近乎饱和的性能，Swin-Base 的准确率达到 99.94%。
• 分布外（OOD）： 当在留出的 Stable Diffusion 3.5 Large 上进行测试时，所有模型都经历了 3.80 到 18.15 个百分点的准确率下降。
  • ViT-Base/16 展示了最强的 OOD 鲁棒性，其准确率下降最小（−3.80%），且 OOD 准确率最高（96.08%）。
  • ConvNeXtV2-Base 遭受了最大的下降（−18.15%）。
• 分析： 性能退化主要是由合成样本召回率的下降（将未见的合成图像误分类为真实图像）驱动的，而特异性（specificity）保持在高水平。即使在准确率下降的情况下，高 AUC 值（接近 1.0）依然存在，这表明虽然阈值化性能有所下降，但模型仍保留了对真实与合成样本进行排序的能力。

意义与主张

论文将 GenSyn10 定位为一个受控基准，旨在解决被视为该领域核心开放挑战的“OOD 生成器偏移”问题。作者主张：

• 架构偏置至关重要： 结果表明，架构归纳偏置（特别是 Transformer 的全局自注意力机制）是比模型容量本身更重要的 OOD 抗性因素。
• 泛化极限： 在已知生成器上的高性能并不保证对未见架构的鲁棒性，这凸显了当前检测方法中持续存在的脆弱性。
• 标准化： 通过提供一个带有留出评估协议的标准多生成器数据集，GenSyn10 为领域自适应和跨生成器泛化研究提供了原则性的基础，超越了可能过拟合于特定伪影特征的单生成器基准。

作者指出了局限性，包括排除了某些范式（如 GAN、一致性模型）以及对生成错误依赖人工检查，但强调了该数据集在生成模型演进过程中进行扩展的潜力。