arXiv cs.AI· Simiao Ren (Neo), Yuchen Zhou (Neo), Xingyu Shen (Neo), Kidus Zewde (Neo), Tommy Duong (Neo), George Huang (Neo), Hatsanai (Neo), Tiangratanakul (Dennis), Tsang (Dennis), Ng (Dennis), En Wei, Jiayu Xue·· 14 小时前AI 评分42
开源 AI 生成图像检测模型开箱即用表现如何：一项全面基准研究
How well are open sourced AI-generated image detection models out-of-the-box: A comprehensive benchmark study
AI 导读
一项零样本评测覆盖 16 种检测方法、23 个预训练检测器变体、12 个数据集共 260 万张图像样本，发现不存在通用最优检测器，最佳检测器平均准确率 75.0%，最差仅 37.5%，相差 37 个百分点。
正文 · AI 翻译
摘要：随着 AI 生成图像在各类数字平台上激增，可靠的检测方法对于打击虚假信息和维护内容真实性已变得至关重要。尽管已提出众多深度伪造检测方法，但现有基准主要评估微调后的模型，在理解开箱即用性能方面留下了关键空白——而这正是从业者最常见的部署场景。我们首次对 16 种最先进检测方法进行了全面的零样本评估，涵盖 23 个预训练检测器变体（因某些检测器发布了多个版本），跨越 12 个多样化数据集，包含约 260 万张图像样本，涉及 291 个独特生成器（包括现代扩散模型）。我们的系统分析揭示了令人瞩目的发现：(1) 不存在通用最优方法，检测器排名表现出显著的不稳定性（Spearman~$\rho$：数据集两两之间为 0.01 -- 0.87）；(2) 最佳检测器（平均准确率 75.0\%）与最差检测器（37.5\%）之间存在 37 个百分点的性能差距；(3) 训练数据对齐对泛化能力有关键影响，在架构相同的检测器家族内造成高达 20--60\% 的性能差异；(4) 现代商业生成器（Flux~Dev、Firefly~v4、Midjourney~v7）击败了大多数检测器，平均准确率仅为 18--30\%；(5) 我们识别出影响跨数据集泛化的三种系统性失败模式。统计分析证实检测器之间存在显著性能差异（Friedman 检验：$\chi^2$=121.01，$p<10^{-16}$，Kendall~$W$=0.524）。我们的发现挑战了“一刀切”的检测器范式，并提供了可操作的部署指南，表明从业者必须根据其特定的威胁态势谨慎选择检测器，而不能依赖已发表的基准性能。
| 学科： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2602.07814 [cs.CV] |
| （或 arXiv:2602.07814v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2602.07814 arXiv 颁发的 DOI（通过 DataCite） |
提交历史
来自：Simiao Ren [查看邮箱]
[v1]
2026 年 2 月 8 日周日 04:36:13 UTC（200 KB）
[v2]
2026 年 10 月 24 日周六 21:40:00 UTC（201 KB）
来源：arXiv cs.AI · arxiv.org