GenShield：人工智能生成图像的统一检测和伪影校正

基于扩散的图像合成使人工智能生成的图像 (AIGI) 变得越来越逼真，引发了人们对错误信息检测、数字取证和内容审核等应用的真实性的迫切担忧。尽管 AIGI 检测取得了巨大进步，但如何使用可见伪影校正检测到的 AI 生成图像并恢复真实外观仍然很大程度上尚未得到充分探索。此外，现有的工作很少建立 AIGI 检测和伪影校正之间的联系。为了填补这一空白，我们提出了 GenShield，这是一个统一的自回归框架，它在从诊断到恢复的闭环中联合执行可解释的 AIGI 检测和可控伪影校正，揭示了这两项任务之间的相辅相成的关系。我们进一步引入了一种基于视觉思维链的课程学习策略，该策略能够通过明确的停止标准实现自我解释、多步骤“诊断然后修复”纠正。还构建了具有大规模“伪像恢复”对的高质量数据集以及统一的评估管道。对我们的校正基准和主流 AIGI 检测基准进行的大量实验证明了我们方法的最先进的性能和强大的泛化能力。代码可在 https://github.com/zhipeixu/GenShield 获取。