通过基于 LoRA 的成对训练增强稳健的 AIGI 检测

高度逼真的人工智能生成图像（AIGI）的激增需要开发实用的检测方法。虽然当前的 AIGI 检测器在干净的数据集上表现出色，但在“野外”部署时，其检测性能经常会下降，因为图像会受到不可预测的复杂扭曲。为了解决这个关键漏洞，我们提出了一种基于 LoRA 的新型配对训练 (LPT) 策略，专门设计用于在严重扭曲下实现 AIGI 的稳健检测。我们策略的核心包括视觉基础模型的有针对性的微调、训练阶段数据分布的刻意模拟以及独特的成对训练过程。具体来说，我们引入了失真和尺寸模拟，以更好地拟合验证和测试集的分布。基于视觉基础模型强大的视觉表示能力，我们对模型进行微调以实现AIGI检测。成对训练用于通过解耦泛化和鲁棒性优化来改进检测。实验表明，我们的方法在 NTIRE 鲁棒人工智能生成的野外图像检测挑战中获得了第三名