Defake-o3：用可定位证据解释AI生成图像检测

图像生成模型的快速进步需要人工智能生成图像（AIGI）检测器不仅准确，而且可解释且可靠。虽然基于 MLLM 的检测器可以提供自然语言解释，但现有方法通常会产生推测性的理由：它们依赖于模糊或幻觉的工件，错过了最新生成器的微妙局部缺陷，并且无法提供可以目视验证的证据。我们推出了 Defake-o3，这是一种可解释的 AIGI 探测器，它从推测原理转变为可验证的证据。它将交互式视觉搜索与验证者引导的证据对齐相结合：模型迭代地放大可疑区域以检查细粒度的细节，而经过人工验证注释训练的证据验证者提供强化学习奖励，有利于有根据的证据并惩罚毫无根据的主张。为了支持这一目标，我们构建了 GroundFake，这是一个专为视觉证据定位可解释检测而设计的数据集，具有局部边界框证据、基于视觉视觉证据定位和生成伪影特异性的人工验证、校正推理轨迹以及有效/无效证据监督。我们进一步介绍了 FakeFrontier，这是一个根据真实图像和 10 个最新生成器的输出构建的分布外基准，以及用于评估证据质量和说服力的基于 MLLM 的协议。 GroundFake、FakeFrontier 和其他分布外基准的实验表明 Defake-o3 提高了检测准确性和解释质量，产生更多本地化、可验证和有说服力的证据。