Veritas++：用于感知增强型 AIGI 检测的价值感知 同策略 蒸馏

图像生成模型的能力不断增强，使得合成图像在开放媒体中司空见惯，使得稳健且通用的人工智能生成图像 (AIGI) 检测变得越来越重要。虽然多模态 大语言模型 (MLLM) 提供了黑盒二进制评分的透明替代方案，但我们观察到当前基于 MLLM 的检测器在捕获细粒度异常方面仍然表现出明显的感知瓶颈。他们主要关注视觉证据的组织和合成方式，而使内在感知不太优化。为了缩小这一差距，我们提出了 Veritas++，这是一种感知增强推理框架，它将可靠的感知建立为真实性推理的基础。我们没有直接优化模型的解释能力，而是将 AIGI 检测建立在三种基本感知能力上，即捕获细粒度的视觉细节、语义异常和像素级差异。基于这一见解，我们引入了面向感知的学习（PoRL），它用可验证的奖励取代了开放式描述监督，以明确增强这些能力。为了进一步将增强感知与推理相结合，我们引入了价值感知 同策略 蒸馏 (VaOPD)，这是一种自适应 蒸馏 机制，它优先考虑高价值 蒸馏 信号而不是统一监督，通过特权自教师将感知感知推理内化。跨标准、野外和新兴基准的大量实验表明，Veritas++ 实现了有希望的泛化能力。感知学习有效地弥合了感知差距，并在检测方面产生无缝增益，而 VaOPD 进一步实现了高效的能力发展，而无需牺牲现有性能。代码和检查点可从 https://github.com/EricTan7/VeritasPP 获取。