.png){kind=icon}
返回
Self-Supervised AI-Generated Image Detection: A Camera Metadata Perspective
.png){kind=icon}
PRE
AI
DOI：10.1109/TPAMI.2026.3654274.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
AI生成图像的普及为多媒体取证带来了日益严峻的挑战，但许多现有检测器依赖于对特定生成模型内部结构的假设，限制了其跨模型适用性。我们提出了一种基于相机元数据（特别是可交换图像文件格式EXIF标签）的自监督方法来检测AI生成图像，以学习数字摄影固有的特征。我们的预文本任务通过分类类别EXIF标签（如相机型号和场景类型）和成对排序序数及连续EXIF标签（如焦距和光圈值），仅使用相机拍摄的照片训练特征提取器。利用这些EXIF诱导的特征，我们首先通过高斯混合模型建模摄影图像分布，并将低概率样本标记为AI生成，进行单类检测。随后扩展为二分类检测，将学习到的提取器作为同架构分类器的强正则化器，对空间打乱块的高频残差进行操作。在多种生成模型上的广泛实验表明，我们的EXIF诱导检测器显著推进了当前技术水平，对真实世界样本具有良好的泛化能力，并对常见良性图像扰动具有鲁棒性。
Keyword:
AI-generated image detection
self-supervised learning
image forensics
期刊
IF:
18.6
论文数:
1.0K
被引数:
9.8W
机构
引用论文
EXIF as Language: Learning Cross-Modal Associations between Images and Camera MetadataEXIF作为语言：学习图像与相机元数据之间的跨模态关联
OAAI
.png){kind=icon}
OAAI分享收藏AEROBLADE: Training-Free Detection of Latent Diffusion Images Using Autoencoder Reconstruction ErrorAEROBLADE：基于自编码器重建误差的无训练检测潜在扩散图像
PREAI
分享收藏分享收藏
分享收藏LaRE2: Latent Reconstruction Error Based Method for Diffusion-Generated Image DetectionLaRE2: 基于潜在重构误差的方法用于扩散生成图像检测
PREAI
分享收藏
查看更多内容