Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.01525

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2508.01525 (cs)
[提交于 2025年8月3日 ]

标题: MiraGe:通用AI生成图像检测的多模态判别表示学习

标题: MiraGe: Multimodal Discriminative Representation Learning for Generalizable AI-Generated Image Detection

Authors:Kuo Shi, Jie Lu, Shanshan Ye, Guangquan Zhang, Zhen Fang
摘要: 最近生成模型的进展突显了需要强大检测器,能够区分真实图像和AI生成的图像。 尽管现有方法在已知生成器上表现良好,但当使用新出现或未见过的生成模型进行测试时,其性能通常会下降,这是由于重叠的特征嵌入阻碍了准确的跨生成器分类。 在本文中,我们提出了通用AI生成图像检测的多模态判别表示学习(MiraGe),一种旨在学习生成器不变特征的方法。 受类内变化最小化和类间分离理论见解的启发,MiraGe紧密对齐同一类内的特征,同时最大化类间的分离,从而增强特征判别能力。 此外,我们将多模态提示学习应用于CLIP,进一步将这些原则细化,利用文本嵌入作为语义锚点,以实现有效的判别表示学习,从而提高泛化能力。 在多个基准上的全面实验表明,MiraGe实现了最先进的性能,即使在面对如Sora这样的未见过的生成器时也能保持鲁棒性。
摘要: Recent advances in generative models have highlighted the need for robust detectors capable of distinguishing real images from AI-generated images. While existing methods perform well on known generators, their performance often declines when tested with newly emerging or unseen generative models due to overlapping feature embeddings that hinder accurate cross-generator classification. In this paper, we propose Multimodal Discriminative Representation Learning for Generalizable AI-generated Image Detection (MiraGe), a method designed to learn generator-invariant features. Motivated by theoretical insights on intra-class variation minimization and inter-class separation, MiraGe tightly aligns features within the same class while maximizing separation between classes, enhancing feature discriminability. Moreover, we apply multimodal prompt learning to further refine these principles into CLIP, leveraging text embeddings as semantic anchors for effective discriminative representation learning, thereby improving generalizability. Comprehensive experiments across multiple benchmarks show that MiraGe achieves state-of-the-art performance, maintaining robustness even against unseen generators like Sora.
评论: 被ACMMM 2025接收
主题: 计算机视觉与模式识别 (cs.CV) ; 人工智能 (cs.AI)
引用方式: arXiv:2508.01525 [cs.CV]
  (或者 arXiv:2508.01525v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.01525
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Kuo Shi [查看电子邮件]
[v1] 星期日, 2025 年 8 月 3 日 00:19:18 UTC (16,378 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.AI

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号