RIGID: A Training-free and Model-Agnostic Framework for Robust AI-Generated Image Detection

本文介绍了生成式AI模型的快速发展，使得可以创建任意内容的高度逼真的图像，引发了有关潜在滥用和伤害（如Deepfakes）的担忧。目前的研究重点是使用大量生成的图像数据集来训练检测器。然而，这些基于训练的解决方案通常计算成本高，对未见过的生成图像的泛化能力有限。因此，本文提出了一种无需训练的方法来区分真实图像和AI生成的图像。我们首先观察到，在视觉基础模型的表示空间中，真实图像比AI生成的图像更能抵抗微小的噪声扰动。基于这个观察结果，我们提出了一种名为RIGID的无需训练和模型无关的方法，用于检测鲁棒的AI生成图像。RIGID是一种简单而有效的方法，通过比较原始图像和噪声扰动后的对应图像之间的表示相似性来确定图像是否为AI生成的。我们在各种AI生成的图像和基准测试上对RIGID进行了评估，结果表明，RIGID明显优于现有的基于训练和无需训练的检测器。特别是，RIGID的平均性能超过目前最佳的无需训练方法25%以上。重要的是，RIGID在不同的图像生成方法之间表现出很强的泛化能力和对图像损坏的鲁棒性。

如何识别真实图像和人工智能生成的图像？

提出了一种基于模型无关、无需训练的方法RIGID，通过比较原图像和微小扰动后的图像在视觉模型表示空间的相似度来识别人工智能生成的图像。

RIGID方法在多个数据集上进行了实验，表现优于当前最好的模型无关方法，具有较强的泛化性和鲁棒性。

当前的研究主要集中于使用大量生成图像训练检测器，但这些基于训练的解决方案计算成本高且对未知生成图像的泛化能力有限。