UniGenDet：用于协同进化图像生成和生成图像检测的统一生成判别框架

近年来，在图像生成和生成图像检测方面都取得了重大进展。尽管发展迅速，但在很大程度上是独立的，这两个领域已经发展出了不同的架构范式：前者主要依赖于生成网络，而后者则倾向于判别性框架。这两个领域的最新趋势是使用对抗性信息来提高性能，揭示协同作用的潜力。然而，它们之间的显着架构差异带来了相当大的挑战。与之前的方法不同，我们提出了 UniGenDet：一个用于共同进化图像生成和生成图像检测的统一生成判别框架。为了弥合任务差距，我们设计了共生多模态自注意力机制和统一的 微调 算法。这种协同作用使生成任务能够提高真实性识别的可解释性，而真实性标准指导更高保真度图像的创建。此外，我们引入了一种检测器通知的生成对齐机制，以促进无缝信息交换。对多个数据集的广泛实验证明我们的方法实现了最先进的性能。代码：\href{https://github.com/Zhangyr2022/UniGenDet}{https://github.com/Zhangyr2022/UniGenDet}。