AniPrO：通过多维语义推理进行可解释的动漫图像来源检测

随着生成式人工智能越来越多地用于动漫风格的图像创作，区分人类绘制的、人工智能修复的和文本到图像的图像对于版权归属、视觉来源和内容治理非常重要。现有的人工智能生成的图像检测器主要针对现实世界的照片，常常忽略动漫特有的线索，例如平面色彩、夸张的结构和艺术线条控制。为了解决这一差距，我们提出了 AniPrO，一种用于解释动漫图像来源的多维描述增强框架。 AniPrO 基于 AnimeDL-2M 构建，包含来自 35,000 个图像候选池的 15,000 个平衡样本，涵盖真实、修复和 Text2Image 类别以及结构化五维描述。我们进一步引入 AniPrO-SFD-Bench 和 AniPrO-MFR-Bench 从统计特征辨别和多模态融合推理的角度评估来源检测。实验表明，结构化语义指导揭示了系统性人工智能生成偏差，例如全局视觉合理性和局部细节连贯性之间的差距，并改善了具有挑战性的修复样本的检测。数据集和代码将在以下位置发布：此 https URL。