EXACT: An Explainable Adaptive SemantiC-Trace framework for AI-generated image forensics

doi:10.1016/j.cviu.2026.104871

EXACT: An Explainable Adaptive SemantiC-Trace framework for AI-generated image forensics

2026-07-01

0

PRE

AI

DOI：10.1016/j.cviu.2026.104871

原文链接

原文求助

摘要

En 中文

AI生成的图像日益逼真，使得在生成器偏移和后期处理下进行鲁棒且可解释的取证分析更具挑战性。现有方法通常依赖单一证据来源，如高层语义线索或低层伪影模式，当图像分布变化时，这限制了其泛化能力。在本文中，我们提出EXACT，一个统一的二元证据框架，用于AI生成图像取证，联合支持检测、来源归属和像素级定位。EXACT结合了两个互补分支：一个基于CLIP编码器的语义分支，用于捕捉内容级不一致性；以及一个利用哈尔小波子带和Transformer的痕迹分支，用于建模低层伪影痕迹。为提高跨图像和生成器的鲁棒性，我们进一步引入了一个轻量级融合模块，预测自适应的每图像权重以平衡两种证据。此外，使用冻结的大型多模态模型从模型输出生成简洁的自然语言取证报告，提高了分析的可解释性。实验表明，EXACT在领域内测试集上达到99.49%的检测准确率，并具有强大的跨数据集泛化能力。在扩展的跨数据集评估中，其平均准确率为84.88%，平均精确率为94.18%。EXACT还提供了可靠的归属性能和有意义的定位结果，展示了其作为统一且可解释的合成图像取证框架的有效性。

Keyword:

AI-generated image forensics

Dual-evidence framework

Semantic-trace representation

Source attribution

Pixel-level localization

Explainable forensics

EXACT: An Explainable Adaptive SemantiC-Trace framework for AI-generated image forensics

摘要

期刊

机构

引用论文