小紅書團隊 投稿至 凹非寺
量子位 | 公眾號 QbitAI

AI生成內容已深度滲透至生活的方方面面，從藝術創作到設計領域，再到信息傳播與版權保護，其影響力無處不在。

然而，隨著生成模型技術的飛速發展，如何精準甄別AI生成圖像成為業界與學界共同聚焦的難題。

來自小紅書生態算法團隊、中科大、上海交通大學聯合提出行業稀缺的全人工標注Chameleon基準和行業領先的AIDE檢測方法。

團隊經過分析，幾乎所有模型都將Chameleon基準中AI生成的圖像歸類為真實圖像

于是他們提出了AIDE（具有混合特征的AI -generated Image DE tector ），它利用多個專家同時提取視覺偽影和噪聲模式。最終分別比現有的最先進方法提高了 3.5% 和 4.6% 的準確率。

重新定義AI生成圖像檢測任務

Train-Test Setting-I：在現有研究中，AI 生成圖像檢測任務通常被設定為在一個特定的生成模型（如 GAN 或擴散模型）上訓練模型，然后在其他生成模型上進行測試。

然而，通常來說，這種設定存在兩個主要問題：

評估Benchmark過于簡單：現有Benchmark中的圖像通常會有一些artifacts。

訓練數據的局限性：將模型限制在特定類型的生成模型上 (GAN or 擴散模型) 訓練，限制了模型從更先進的生成模型中學習多樣化特征的能力。

為了解決這些問題，團隊提出了一個新的問題設定：

Train-Test Setting-II：鑒別器可以將多種生成模型的圖像混合一起訓練，然后在更具挑戰性的、真實世界場景中的圖像上進行測試。這種設定更符合實際應用中的需求，能夠更好地評估模型的泛化能力和魯棒性。

為了更真實地評估 AI 生成圖像檢測方法的性能，團隊精心構建了Chameleon 數據集。

Chameleon數據集具有以下顯著特點：

高度逼真性：所有AI生成圖像均通過了人類感知“圖靈測試”，即人類標注者無法將其與真實圖像區分開來。這些圖像在視覺上與真實圖像高度相似，能夠有效挑戰現有檢測模型的極限。

多樣化類別：數據集涵蓋了人類、動物、物體和場景等多類圖像，全面模擬現實世界中的各類場景。這種多樣性確保了模型在不同類別上的泛化能力。

高分辨率：圖像分辨率普遍超過720P，最高可達4K。高分辨率圖像不僅提供了更豐富的細節信息，也增加了檢測模型對細微差異的捕捉能力。

數據集構建

為構建一個能夠真實反映 AI 生成圖像檢測挑戰的高質量數據集，團隊在數據收集、清洗和標注環節均采取了創新且嚴謹的方法，確保數據集的高質量和高逼真度。

數據收集：多渠道、高逼真度圖像獲取

與之前的基準數據集不同，團隊從多個流行的 AI 繪畫社區（如 ArtStation、Civitai 和 Liblib）收集了超過 150K 的 AI 生成圖像，這些圖像均由廣泛的用戶創作，使用了多種先進的生成模型（如 Midjourney、DALL·E 3 和 Stable Diffusion 等）。這些圖像不僅在視覺上逼真，而且涵蓋了豐富多樣的主題和風格，包括人物、動物、物體和場景等。此外，還從 Unsplash 等平臺收集了超過 20K 的真實圖像，這些圖像均由專業攝影師拍攝，具有高分辨率和高質量。所有圖像均獲得了合法授權，確保了數據的合法性和可用性。

相比之下，之前的基準數據集通常使用生成效果較差的模型生成圖像，缺乏多樣性和真實感，如下圖所示。

數據清洗：多維度、精細化過濾

為確保數據集的高質量，團隊對收集的圖像進行了多維度、精細化的清洗過程：

分辨率過濾：團隊過濾掉了分辨率低于 448×448 的圖像，確保所有圖像具有足夠的細節和清晰度，以反映 AI 生成圖像的真實特性。

內容過濾：利用先進的安全檢查模型（如 Stable Diffusion 的安全檢查模型），團隊過濾掉了包含暴力、色情和其他不適宜內容的圖像，確保數據集的合規性和適用性。

去重處理：通過比較圖像的哈希值，團隊去除了重復的圖像，確保數據集的多樣性和獨立性。

文本-圖像一致性過濾：利用 CLIP 模型，團隊計算了圖像與對應文本描述的相似度，過濾掉了與文本描述不匹配的圖像，確保圖像與文本的一致性和相關性。

之前的基準數據集往往缺乏嚴格的過濾步驟，導致數據集中包含大量低質量、不適宜或重復的圖像，影響了數據集的整體質量。

數據標注：專業標注平臺與多輪評估

為確保數據集的準確性和可靠性，團隊建立了專門的標注平臺，并招募了 20 名具有豐富經驗的人類標注者對圖像進行分類和真實性評估：

分類標注：標注者將圖像分為人類、動物、物體和場景四類，確保數據集覆蓋了多種現實世界中的場景和對象。

真實性評估：標注者根據“是否可以用相機拍攝”這一標準對圖像的真實性進行評估。每個圖像獨立評估兩次，只有當兩名標注者均誤判為真實時，圖像才被標記為“高逼真”。

多輪評估：為確保標注的準確性，團隊對標注結果進行了多輪審核和校對，確保每個圖像的分類和真實性評估結果準確無誤。

與之前的基準數據集不同，該數據集經過了嚴格的人工標注，確保了數據集的高質量和高逼真度。之前的基準數據集往往缺乏嚴格的人工標注，導致數據集中的圖像質量和標注準確性參差不齊。

通過上述多維度、精細化的數據收集、清洗和標注過程，構建了一個高質量、高逼真度的 AI 生成圖像檢測基準數據集，為后續的研究和模型評估提供了堅實的基礎。該數據集不僅在規模上更大，而且在圖像質量和標注精度上也有了顯著提升，能夠更好地反映 AI 生成圖像檢測的實際挑戰。

數據集對比

Chameleon數據集可以作為現有評測數據集的擴展，Chameleon數據集在規模、多樣性和圖像質量等方面均展現出顯著優勢：

規模：Chameleon數據集包含約26,000張測試圖像，是目前最大的AI生成圖像檢測數據集之一。

多樣性：數據集涵蓋了多種生成模型和圖像類別，遠超其他數據集的單一類別。

圖像質量：圖像分辨率從720P到4K不等，提供了更高質量的圖像數據，增加了檢測模型的挑戰性。

AIDE模型：多專家融合的檢測框架

在AI生成圖像檢測領域，現有的檢測方法往往只能從單一角度進行分析，難以全面捕捉AI生成圖像與真實圖像之間的細微差異。

為了解決這一問題，研究者們提出了簡單且有效的AIDE（AI-generated Image DEtector with Hybrid Features）模型，該模型通過融合多種專家模塊，從低級像素統計和高級語義兩個層面全面捕捉圖像特征，實現了對AI生成圖像的精準檢測。

AIDE模型主要由兩個核心模塊組成：Patchwise Feature Extraction（PFE）模塊和Semantic Feature Embedding（SFE）模塊。這兩個模塊通過多專家融合的方式，共同為最終的分類決策提供豐富的特征信息。

Patchwise Feature Extraction（PFE）模塊

PFE模塊旨在捕捉圖像中的低級像素統計特征，特別是AI生成圖像中常見的噪聲模式和紋理異常。具體而言，該模塊通過以下步驟實現：

Patch Selection via DCT Scoring：首先，將輸入圖像劃分為多個固定大小的圖像塊（如32×32像素）。然后，對每個圖像塊應用離散余弦變換（DCT），將其轉換到頻域。通過設計不同的帶通濾波器，計算每個圖像塊的頻率復雜度得分，從而識別出最高頻率和最低頻率的圖像塊。

Patchwise Feature Encoder：將篩選出的高頻和低頻圖像塊調整為統一大小（如256×256像素），并輸入到SRM（Spatial Rich Model）濾波器中提取噪聲模式特征。這些特征隨后通過兩個ResNet-50網絡進行進一步處理，得到最終的特征圖。

Semantic Feature Embedding（SFE）模塊

SFE模塊旨在捕捉圖像中的高級語義特征，特別是物體共現和上下文關系等。具體而言，該模塊通過以下步驟實現：

Semantic Feature Embedding：利用預訓練的OpenCLIP模型對輸入圖像進行全局語義編碼，得到圖像的視覺嵌入特征。通過添加線性投影層和平均空間池化操作，進一步提取圖像的全局上下文信息。

Discriminator模塊

將PFE和SFE模塊提取的特征在通道維度上進行融合，通過多層感知機（MLP）進行最終的分類預測。具體而言，首先對高頻和低頻特征圖進行平均池化，得到低級特征表示；然后將其與高級語義特征進行通道級拼接，形成最終的特征向量；最后通過MLP網絡輸出分類結果。

實驗結果

數據集：實驗在AIGCDetectBenchmark、GenImage和Chameleon三個數據集上進行。AIGCDetectBenchmark和GenImage是現有的基準測試數據集，而Chameleon是研究者們新構建的更具挑戰性的數據集。

模型對比：研究者選擇了9種現成的AI生成圖像檢測器進行對比，包括CNNSpot、FreDect、Fusing、LNP、LGrad、UnivFD、DIRE、PatchCraft和NPR。

評價指標：實驗采用分類準確率（Accuracy）和平均精度（Average Precision, AP）作為評價指標。

團隊評測了AIDE在AIGCDetectBenchmark和GenImage上的結果，如下表所示：

AIDE模型在這兩個數據集上的優異表現表明，融合低級像素統計和高級語義特征的方法能夠有效捕捉AI生成圖像與真實圖像之間的差異，從而提高檢測準確率。

隨后在Chameleon benchmark上測評了9個現有的detectors，如下表所示。

同時團隊可視化了，之前的SOTA方法PatchCraft在AIGCDetectBenchmark & GenImage 以及Chameleon上的表現

結果表明，之前在AIGCDetectBenchmark &GenImage上表現優異的模型，在Chameleon benchmark上均表現很差，這表明Chameleon數據集中的圖像確實具有高度的逼真性，對現有檢測模型提出了更大的挑戰。

本論文通過對現有 AI 生成圖像檢測方法的重新審視，提出了一個新的問題設定，構建了更具挑戰性的 Chameleon 數據集，并設計了一個融合多專家特征的檢測器 AIDE。實驗結果表明，AIDE 在現有的兩個流行基準（AIGCDetectBenchmark 和 GenImage）上取得了顯著的性能提升，分別比現有的最先進方法提高了 3.5% 和 4.6% 的準確率。然而，在 Chameleon 基準上，盡管 AIDE 取得了最好的性能，但與現有基準相比，仍存在較大的差距。

這表明，檢測 AI 生成圖像的任務仍然具有很大的挑戰性，需要未來進一步的研究和改進。希望這一工作能夠為這一領域的研究提供新的思路和方向，推動 AI 生成圖像檢測技術的發展。

盡管AIDE模型在AI生成圖像檢測領域取得了顯著進展，但研究者們仍計劃在未來的工作中進一步優化模型架構，探索更高效的特征提取和融合方法。

此外，研究者們還計劃擴大Chameleon數據集的規模，涵蓋更多類別、更多場景、更多生成模型的圖像，以推動AI生成圖像檢測技術的進一步發展。

論文：https://arxiv.org/pdf/2406.19435
主頁：https://shilinyan99.github.io/AIDE/
代碼：https://github.com/shilinyan99/AIDE