用小 CNN 追踪图像生成源，准确率超 98%

kwangmoo_yi · x · 2026-08-20

论文「Scalable Black-Box Model Attribution for Images」提出 RPA 方法，仅需一个轻量级 CNN 即可在纯黑盒环境下可靠地识别图像是由哪个模型生成的。

核心方法：

• 将图像分割为 256×256 的重叠补丁，实现分辨率不变性。
• 小型 CNN（约 600 万参数）对每个补丁进行原始像素分类，打分判断其来源模型。
• 通过重叠修正的加权平均聚合所有补丁的投票，得出图像级标签。

性能表现：

• 在 25 类 DRAGON 数据集上准确率达 98.0%，27 类 OpenFake 上达 92.9%。
• 对压缩、模糊和缩放具有鲁棒性。
• 同一表示可用于无监督模型谱系恢复、检测未见过的生成器，并通过少样本适应新模型而无需重新训练。

所属事件:小型 CNN 黑盒识别图像生成源 准确率超 98%(2 条相关)→

原文链接 →

「研究」频道最新

• 弱对抗网络求解 NS-Brinkman 方程，优于传统 PINNs — FrnkNlsn · 2026-08-20
• 斯坦福发布 ENCODE GRAMMAR 基因组 AI 工具快速上手指南 — anshulkundaje · 2026-08-20
• 北大微软提出 BCP：轻量级策略提升机器人重规划效率 — 机器之心 · 2026-08-20
• AI 智能体浏览器里叠积木成功，具身智能版 LMArena 竞技场初现 — NovaCoding · 2026-08-20
• Agent Arena 榜单发布：百万真实任务评测 Agent — arena · 2026-08-20
• 机器人实现零微调的单次演示模仿 — Scobleizer · 2026-08-20

更多「研究」频道 AI 资讯 →