通过校准内容认证验证真实图像
提出以生成器重建与校准阈值判断真实性可否认性。
为什么重要
为图像内容认证提供了区别于传统深伪检测的校准式评估思路。
阅读原文arxiv.org
AI 解读（根据原文生成）
这篇论文评估了近四年发布的十个生成器上的二十个深度伪造检测器，发现基线检测器随时间和对抗扰动显著失效。作者认为仅凭内容无法可靠判定来源，因为生成器可能精确复现真实内容；因此提出一种检测范式：若任一已知生成器能忠实重建内容，则认为合成来源具有可否认性，并通过校准限制已知生成内容被错误认证的频率。论文代码已在 GitHub 提供。
要点（AI 据原文整理，数字均已与原文核对）
- Adversarial perturbations reduce every baseline detector to below 2% accuracy.
- At that operating point, most baseline detectors reach near-zero recall, including the strongest with 93% accuracy.
- 1,116 of 3,000 Reddit images resist reproduction by a 2022 generator, but only 55 to 79 resist reproduction by 2024 generators.
