CVPR 2025：Forensic Self-Descriptions Are All You Need for Zero-Shot Detection, Open-Set Source Attribution, and Clustering of AI-generated Images

Method

1.取证显微结构提取

1. 图像I建模为场景内容S与取证显微结构Ψ之和：I(x,y)=S(x,y)+Ψ(x,y)
2. 使用一系列K个不同的预测滤波器来产生K个独特的残差：r_k(x,y)=I(x,y)-Ŝ_k(x,y)=Ψ_k(x,y)+ε_k(x,y) 【用k个不同的预测滤波器，根据一个像素点周围不同的像素点，去猜测原本的图像到底是什么样子，用真实图片测试】
3. 为了学习滤波器权重w，需要最小化所有残差的总能量，其损失项为L_E 。【最小化损失让模型最贴近原图】为防止滤波器冗余，引入了一种新颖的频谱多样性正则化项，鼓励滤波器尽可能线性独立，以最大化捕获信息的多样性 。该正则化项通过构建权重矩阵W，进行奇异值分解，并对奇异值进行惩罚来实现【从不同的角度提取，奇异值尽可能大】 。
4. 最终，结合能量损失和多样性正则化项，得到学习预测滤波器的总体目标函数 。需要强调的是，权重w仅从由真实图像组成的训练集中学习。

2.取证自描述

1. 在多个尺度上对残差进行建模。尺度l的残差定义为原始残差的下采样 。【多尺度准备，做成几个不同版本，比如“原图，缩小一半，再缩小一半”，可以看细节也可以看整体纹路】
2. 使用线性卷积滤波器φ_k对每个残差r_k在尺度l上进行建模 。【还是去预测中心点自己的值是多少】

3. 一起学习相互配合，最终总结出一个一张图片的参数集合就是这张图片独一无二的“取证自描述”。
   
   

应用

1. 零样本合成图像检测

方法是在训练阶段，只用大量真实图像的“取证自描述”来训练一个高斯混合模型，以此建模真实图像描述的分布。在测试时，计算待测图像的自描述属于这个“真实分布”的可能性。如果可能性低于设定的阈值，就判定为合成图像。其依据是，真实图像与合成图像的取证自描述存在显著差异。

2. 开放集源归属

该方法为每个已知的生成源分别建立其图像“取证自描述”的高斯混合模型。归属时，计算待测图像的自描述属于每个源模型的似然，并选择似然最高的源作为候选来源。如果该最高似然低于拒绝阈值，则判定图像来自未知源；否则接受该候选来源 。

3. 无监督聚类

该方法直接提取所有图像的“取证自描述”作为特征向量，然后对其应用K-means等聚类算法，根据描述的相似性对图像进行分组。其有效性源于取证自描述能有效捕捉取证显微结构，使得来自同一源的图像在特征空间中自然聚集 。