DailyBench：现代生成模型中人工智能生成和操作图像的统一基准

生成模型的最新进展已将人工智能生成的图像检测从识别易于区分的完全合成图像转变为识别由现代生成和操作管道生成的高度逼真的内容。然而，现有的检测基准通常是用过时的生成模型构建的，并且主要强调全图像合成，导致基准数据与现实世界生成和编辑场景中遇到的图像之间越来越不匹配。为了弥补这一差距，我们引入了 DailyBench，这是一个高质量的统一基准，用于评估人工智能生成的图像检测器是否可以泛化到现代全图像合成和对象级操作。 DailyBench 包含两个互补的子集：FakeBench，其中包括由最新开源和商业生成模型合成的高质量图像；ManipulationBench，它引入了使用高级图像条件模型应用于真实图像的具有挑战性的对象级编辑。这种设计使 DailyBench 成为一个现实的测试平台，用于研究微妙的本地编辑下的生成器级泛化和操作感知检测。 DailyBench 上的实验揭示了当前检测器的鲁棒性差距：在 GenImage 上报告平衡准确度为 91-96% 的方法在 FakeBench 上下降到 52-79%，在 ManipulationBench 上下降到 43-67%。这些结果表明，现有的检测器对于现实合成和操作的泛化能力仍然较差，这凸显了 DailyBench 作为开发稳健且具有操作感知的 AI 生成图像检测方法的严格测试平台。该项目位于 https://dailybench.github.io/