arXiv cs.AI· Ruoxin Chen, Jiahui Gao, Kaiqing Lin, Keyue Zhang, Yandan Zhao, Isabel Guan, Taiping Yao, Shouhong Ding·· 12 小时前AI 评分31
正交监督解耦：AlignGemini 如何实现可泛化的 AI 生成图像检测
Align, Don't Blend: Orthogonal Supervision Disentanglement As the Key to Generalizable AI-Generated Image Detection
AI 导读
研究者提出正交监督解耦（Orthogonal Supervision Disentanglement），并落地为双分支检测器 AlignGemini：VLM 只接收纯语义监督，视觉专家只接收纯伪影监督。仅用两个生成器的图像训练、不依赖复杂训练策略，该方案在五个真实场景基准上平均提升 9.5%。团队同时发布覆盖 8 个当代生成器（含 5 个闭源商用模型）的诊断基准 AIGI-Now，代码已公开。
正文 · AI 翻译
摘要：AI 生成图像（AIGI）检测的最新进展主要集中于模型架构、损失设计和训练策略，却忽视了一个更根本的因素：监督信号是如何组织的。现有检测器通常在基准定义的数据上训练，这些数据隐式地混合了语义信号与伪影信号，使得监督设计尚未得到探索。本文通过受控实验考察监督结构，并表明这种混合监督不仅次优，而且在根本上适得其反。将其替换为解耦的、正交的监督——并配以归纳匹配的模型——就足以实现强大的跨生成器泛化能力。我们将其形式化为正交监督解耦，并在 AlignGemini 中加以实现：这是一个双分支检测器，其中 VLM 接收纯语义监督，视觉专家接收纯伪影监督。借助解耦监督与归纳匹配模型的结合，即使最简单的训练配方也能在五个真实场景基准上取得 9.5% 的显著提升——且仅使用来自两个生成器的图像训练，无需复杂的训练策略或多样的生成器覆盖。我们进一步推出 AIGI-Now，一个覆盖八种当代生成器（包括五个闭源商业模型）的诊断基准，并配有解耦的语义与像素评估子集，用于对检测器能力进行细粒度分析。我们的代码已公开于 此 https URL。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2512.06746 [cs.CV] |
| （或本版本使用 arXiv:2512.06746v3 [cs.CV]） | |
| https://doi.org/10.48550/arXiv.2512.06746 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Ruoxin Chen [查看邮箱]
[v1]
2025年12月7日 星期日 09:19:00 UTC（18,834 KB）
[v2]
2026年1月30日 星期五 08:01:18 UTC（14,525 KB）
[v3]
2026年10月21日 星期三 09:05:50 UTC（28,262 KB）
来源：arXiv cs.AI · arxiv.org