HRR生成图像检测网络

多尺度风格回顾

通过多尺度风格回顾和特征精炼，缓解数据集风格与生成模型带来的学习偏差，提升对未知生成模型的泛化能力。

Yuan, Peipei · Zijing, Xie · Shuo, Ye · Tao, Yanfang · Wu, Xiangcheng · 王玉龙

Pattern Recognition Letters 2026

技术优势

多尺度风格回顾

鼓励模型生成详细且真实的多尺度表示，减轻数据集风格和生成模型引入的学习偏差。

特征精炼

基于相关熵稀疏加性机原理，减少冗余特征对学习的影响，捕捉数据内在结构和模式，提升泛化能力。

性能显著提升

在生成图像检测中持续提供显著性能提升，超越最先进方法。

应用场景

• 生成图像鉴伪：自动判别图像是否由生成模型产生，用于司法取证和内容审核。
• 深度伪造检测：识别深度伪造图像，防止虚假信息传播和身份冒用。
• 视觉内容安全：检测生成内容以保护视觉媒体安全，防范恶意篡改。
• 图像真实性验证：验证图像真实性，用于新闻事实核查和版权保护。