猫眼电影记者 凯拉克 报道首次登录送91元红包

腾讯优图 投稿量子位 | 公众号 QbitAI

在AIGC技术飞速发展的背景下，只需一行简单的prompt就可生成高逼真内容，然而，这一技术进步也带来了严重的安全隐患：虚假新闻、身份欺诈、版权侵犯等问题日益突出。AI生成图像检测也成为了AIGC时代的基础安全能力。

然而在实际应用中， 存在一个“尴尬”现象：检测器往往在“考场”（公开基准数据集）上分数耀眼，一旦换到“战场”（全新模型或数据分布），性能会大幅下降。

近日，腾讯优图实验室联合华东理工大学、北京大学等研究团队在A生成图像检测（AI-Generated Image Detection）泛化问题上展开研究，提出Dual Data Alignment（双重数据对齐，DDA）方法，从数据层面系统性抑制“偏差特征”，显著提升检测器在跨模型、跨数据域场景下的泛化能力。

目前，相关论文《Dual Data Alignment Makes AI-Generated Image Detector Easier Generalizable》已被NeurIPS 2025接收为Spotlight（录取率 Top 3.2%）。

发现：AI图像检测器其实只是在“识别训练集”

研究团队认为问题的根源可能在于训练数据本身的构造方式，使得检测器并没有真正学会区分真假的本质特征，而是“走了捷径”，依赖于一些与真伪本身无关的“偏差特征”（Biased Features）来做出判断。

这些偏差特征是真实图像与AI生成图像在训练数据收集过程中产生的系统性差异。具体来说：

真实图像：来源渠道复杂，清晰度与画质参差不齐；分辨率分布分散；几乎都以JPEG 格式存储，并带有不同程度的压缩痕迹。AI生成图像：呈现出高度统一的模式，分辨率常集中在256×256、512×512、1024×1024等固定档位；并且大多以PNG等无损格式存储；画面干净，没有明显压缩痕迹。

在这样的数据构成下，检测模型可能会去学习“投机策略”，例如PNG≈假图，JPEG≈真图。这种“捷径”可以在某些标准测试集（如GenImage）上甚至可以达到100%的检测准确率，然而一旦对AI生成的PNG图像进行简单的JPEG压缩，使其在格式和压缩痕迹上接近真实图像，这类检测器的性能就会出现“断崖式下跌”。

对比真实图像和AI生成图像，两者可能存在格式偏差、语义偏差和尺寸偏差：

解法和思路

针对这一问题，研究团队认为如果数据本身带有系统性偏差，模型设计的再复杂也难免“学偏”。因此提出了DDA（双重数据对齐，Dual Data Alignment） 方法，通过重构和对齐训练数据来消除偏差。其核心操作分为三步：

像素域对齐（Pixel Alignment）

使用VAE（变分自编码器）技术对每一张真实图像进行重建，得到一张内容一致、分辨率统一的AI生成图像。这一步操作消除了内容和分辨率上的偏差。

频率域对齐（Frequency Alignment）

仅仅像素域对齐是不够的，由于真实图像大多经过JPEG压缩，其高频信息（细节纹理）是受损的；而VAE在重建图像时，反而会“补全”这些细节，创造出比真实图像更丰富的高频信息，这本身又成了一种新的偏差。

△可视化对比真实图像（JPEG75）和AI生成图像（PNG）的高频分量

实验也证实了这一点：当研究者将一幅重建图像中“完美”的高频部分，替换为真实图像中“受损”的高频部分后，检测器对VAE重建图的检出率会大幅下降。

△对比VAE重建图和VAE重建图（高频分量对齐真实图像）的检出率

因此，关键的第二步是对重建图执行与真实图完全相同的JPEG压缩，使得两类图像在频率域上对齐。

最后采用Mixup将真实图像与经过对齐的生成图像在像素层面进行混合，进一步增强真图和假图的对齐程度。

经过上述步骤，就能得到一组在像素和频率特征上都高度一致的“真/假”数据集，促进模型学习更泛化的“区分真假”的特征。

实验效果

传统的学术评测往往是为每个Benchmark单独训练一个检测器评估。这种评测方式与真实应用场景不符。

为了更真实地检验方法的泛化能力，研究团队提出了一种严格的评测准则：只训练一个通用模型，然后用它直接在所有未知的、跨域的测试集上评估。

在这一严格的评测标准下，DDA（基于COCO数据重建）实验效果如下。

综合表现：在一个包含11个不同Benchmark的全面测试中，DDA在其中 10个 上取得了领先表现。安全下限（min-ACC）：对于安全产品而言，决定短板的“最差表现”往往比平均分更重要。在衡量模型最差表现的min-ACC指标上，DDA比第二名高出了27.5个百分点。In-the-wild测试：在公认高难度的真实场景“In-the-wild”数据集Chameleon上，检测准确率达到82.4%。跨架构泛化：DDA训练的模型不仅能检测主流的Diffusion模型生成的图像，其学到的本质特征还能有效泛化至GAN和自回归模型等完全不同，甚至没有用到VAE的生成架构。

无偏的训练数据助力泛化性提升

在AI生成图像日益逼真的今天，如何准确识别“真”与“假”变得尤为关键。

但AIGC检测模型的泛化性问题，有时并不需要设计复杂的模型结构，而是需要回归数据本身，从源头消除那些看似微小却足以致命的“偏见”。

“双重数据对齐”提供了一个新的技术思路，通过提供更“高质量”的数据，迫使这些模型最终学习正确的知识，并专注于真正重要的特征，从而获得更强的泛化能力。

论文地址：https://arxiv.org/pdf/2505.14359GitHub：https://github.com/roy-ch/Dual-Data-Alignment

  时事1：manbet吧

  12月24日,湖南蓝山：猪粪变身“金肥料” 循环农业拓宽致富路,这也将使得当地经济结构进一步优化，面对一些制造业出现的波动或国家市场的变化，不至于受到较大的冲击。宋向清认为，郑州目前的产业结构中工业占比较重，文旅产业包括现代服务业占比较小，确实还有一定的提升空间。要与时俱进，打造一些适应消费者需求的一些新产品、新景点、新服务，让新消费与郑州新的文旅定位高度匹配。,澳门十三第网址。

  12月24日,从“看天吃饭”到“知天而作” 智慧气象守护辽宁粮仓安全,耿勇也感受到农商行的合作热情。两家农商行个金部愿开通“绿色通道”，让银行高层尽快审核理财产品代销合作协议，推动彼此迅速落实系统对接与产品销售培训。,19男篮世界杯买球,九州体育网址,九州备用网址net。

  时事2：大发手机版买球

  12月24日,“甲骨文面”“司母戊鼎米饭”“编钟牛肉面”火出圈 创意激活文化消费新潮活力,这条推文中，斯诺登附上了“北溪”管道爆炸后，欧洲议会议员、波兰前外长西科尔斯基的推特截图。当时西科尔斯基曾发布了“北溪”管道发生事故的现场图，并配文称：“谢谢你，美国。”,森林舞会游戏打法,在线娱乐彩票官网,亿博体育官方入口。

  12月24日,韩国忠清南道火电站爆炸事故已致2人受伤,——在已成功落地和正在实施的项目经验基础上，按照互利共赢、利益均衡原则深化民用核能领域合作，包括热核聚变、快中子反应堆、核燃料闭式循环，探讨以一揽子方式开展核燃料循环前端和共建核电站合作。,千亿电子网投,即时比分体球,万赢国际彩票怎么样。

  时事3：赌博手机app

  12月24日,海南封关首日 洋浦海事局启动24小时电子巡航守护航道安全,——深化环保合作，在跨界水体保护、环境污染应急联络、生物多样性保护及固体废物处理等领域加强合作。,皇冠体育吧,二人麻将棋牌官方网站,苹果怎么买足球。

  12月24日,天山南麓378公里“气脉”成功投产,——就保护、研究、修缮、利用历史宗教设施、烈士纪念设施和历史文化遗产开展对话。,韦德体育手机APP,世界杯足球买球app,必威官网西汉姆联。

  时事4：168官网买球

  12月24日,“设计大家谈”系列讲座在中国艺研院开启 打造学术交流平台,这份处罚文件的公布，直接触发了上海证券交易所的相关规则，导致人福医药股票被实施其他风险警示。从12月16日起，公司股票简称正式变更为“ST人福（维权）”。,还有哪些德州app可以玩,英超买球网站,电竞竞猜app。

  12月24日,无人机群飞行规划员 汇集“跨界人才”,汇川产投方面告诉记者，传统模式下，上市公司多以出资人身份参与基金，基金投资方向即便覆盖上市公司上下游，但本质是“出资人与管理人”的外部合作关系，上市公司较少将基金投资深度嵌入自身业务流程。CVC模式的核心竞争力，却源于对母公司业务逻辑与战略布局的深刻理解，基于这种理解挖掘潜在产业机会，是CVC构建差异化优势的关键所在。,体育平台app哪个最好,打牛牛游戏,球探篮球比分旧版。