arXiv cs.AI· Kidus Zewde, Simiao Ren, Xingyu Shen, Jiaqi Wu, Yuchen Zhou, Tommy Duong, Zikang Zhang, Ethan Traister, Kewen Xie·· 14 小时前AI 评分39
OpenAI GPT-image-2 发布首周 Twitter 自述 AI 生成图像数据集
GPT-Image-2 in the Wild: A Twitter Dataset of Self-Reported AI-Generated Images from the First Week of Deployment
AI 导读
研究者构建了首个公开的 GPT-image-2 生成图像数据集，从模型 4 月 21 日发布后六天内的 27,662 条 Twitter/X 记录中确认了 10,217 张 GPT-image-2 图像。
正文 · AI 翻译
摘要：OpenAI 发布 GPT-image-2 标志着 AI 生成图像的一个分水岭时刻：摄影真实与合成内容之间的界限从未如此难以分辨。我们推出 GPT-Image-2 Twitter 数据集，这是首个公开发布的 GPT-image-2 生成图像数据集，来源于该模型于 2026 年 4 月 21 日发布后不久公开可用的 Twitter/X 帖子。借助 Twitter API v2 和多阶段筛选流程，涵盖多语言文本启发式（英语、日语和中文）、浏览器自动化的 Twitter“Made with AI”徽章验证以及模型名称变体匹配，我们在六天窗口内从 27,662 条收集记录中筛选出 10,217 张经确认的 GPT-image-2 图像。
我们通过四项分析刻画该数据集：基于 CLIP 的零样本主体分类、OCR 文本可读性（82.0% 的图像包含可检测文本）、人脸检测（59.2% 的图像，共 22,583 张人脸）以及语义聚类（137 个 CLIP ViT-L/14 聚类）。
一个关键的负面结果是，C2PA 内容凭证在上传时被 Twitter 的 CDN 系统性地剥离，使得对来自社交媒体的 AI 图像进行加密来源验证不可行。该数据集及所有筛选代码均已公开发布。
| 评论： | 11 页；GPT-image-2 社交媒体数据集；Twitter API 收集与多语言筛选；平台上传时的 C2PA 水印剥离；浏览器自动化的 AI 徽章验证；CLIP 语义聚类；AI 生成图像来源与归属 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2604.25370 [cs.CV] |
| （或 arXiv:2604.25370v3 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2604.25370 由 DataCite 颁发 arXiv DOI |
提交历史
来自：Simiao Ren [查看邮箱]
[v1]
2026 年 4 月 28 日星期二 08:35:51 UTC（10,254 KB）
[v2]
2026 年 5 月 5 日星期二 22:21:25 UTC（10,254 KB）
[v3]
2026 年 10 月 25 日星期日 01:57:08 UTC（10,151 KB）
来源：arXiv cs.AI · arxiv.org