EvoKnow：人工智能生成图像检测的持续知识演化

人工智能生成的图像检测器通常在固定的生成器域上进行训练，并且随着新的生成模型的出现而变得难以维护。持续适应具有挑战性，因为重放历史生成的图像成本高昂，而使用有限的当前域数据更新共享参数可能会覆盖先前的取证知识。我们提出了 EvoKnow，这是一个免重放的框架，它将持续的人工智能生成的图像检测制定为取证知识进化。 EvoKnow 保留从基域中学习到的共享取证基础，增量添加孤立的残差专家以补充与生成器相关的证据，并通过分析增量路由器 (AIR) 检索专业知识，该分析增量路由器 (AIR) 从当前阶段生成的图像以封闭形式更新并积累了足够的统计数据。实验证明了有效的跨生成器泛化、小样本扩展和长范围持续适应。每个到达的生成器生成 10 个图像，EvoKnow 在非基础 GenImage 生成器上实现了 96.70% 的平均准确度，在 Chameleon 上实现了 94.48% 的准确度，而无需 目标基准调整。在严格的无重放持续学习协议下，EvoKnow 实现了最先进的持续学习性能，达到 96.32% 的平均阶段准确率和 4.32% 的平均遗忘率。