反图灵测试的结果：人工智能生成的图像检测

生成式人工智能技术的快速进步，例如稳定扩散、DALL-E 和 Midjourney，极大地改变了合成视觉内容的创建。虽然这些模型促进了跨行业创新，但它们也带来了严峻的挑战，包括错误信息、虚假信息和有偏见的内容生成。人工智能生成的图像日益真实，使其检测成为研究人员、政策制定者和行业利益相关者的迫切关注点。在本文中，我们介绍了 Defactify 4.0 研讨会的研究结果，其中介绍了用于人工智能生成图像检测的反图灵测试 (CT2)。竞赛包括两个关键任务：（1）将图像二元分类为人工智能生成的图像或真实图像；（2）识别负责人工智能生成图像的特定生成模型。为了支持这两项任务，我们采用了 MS COCOAI 数据集，这是由五个最先进的模型生成的 96000 张真实图像和合成图像以及来自 MS COCO 的真实图像的基准。参与者采用了多种检测策略，包括卷积神经网络 (CNN)、Vision Transformer (ViT)、基于频率的分析、对比学习和多模态技术。结果表明，虽然 AI 生成的图像可以高精度检测（F1 分数 > 0.83），但识别所使用的确切模型仍然更具挑战性（最高 F1 分数：0.4986）。这些发现强调需要改进模型指纹识别、对抗鲁棒性和实时检测机制。