近日，智能信息处理实验室论文《Frequency-aware Correlation Discovering and Spatial Forgery Clue Distilling for Synthetic Image Detection》被CCF A类会议ACM Multimedia2025录用。该文章由西安交通大学，杭州电子科技大学和中国科学院计算技术研究所合作完成，第一作者为22级博士研究生张杰华，指导老师是李亮研究员（中科院计算所）和颜成钢教授。

最新的图像生成模型已经可以生成任意内容的高质量图片，且人眼几乎难以区分生成图片的真伪。尽管现有伪造图片检测模型可以辨别来自已知生成器的伪造图片，但检测来自未知生成器和生成框架的伪造图片依然存在挑战。这是因为生成技术的持续发展不断提升伪造图片的质量，同时，不同的生成框架的伪造模式差异显著。我们的研究发现，生成器难以创造细粒度的内容，从而在复杂纹理区域表现出异常的邻域空间依赖，且这种信号对应于频域空间的中低频分量。基于这一发现，我们提出了一种基于局部细节分析的伪造检测方法论(GLDF)，通过识别显著的空间依赖模式挖掘细微的伪造痕迹。首先，我们通过自适应频域滤波以一种全局视角识别分布在不同位置、具有不同形状的异常空间依赖区域；其次，我们引入可学习伪造原型聚合不同位置的异常空间依赖区域，并通过原型全局交互实现伪造痕迹聚合的矫正。

                                    （a）真伪图片局部关联性的频谱积分，（b）伪造图片局部关联性示例

实验结果表明GLDF具备优秀的跨框架生成图片识别能力，可以高效地识别对抗生成模型以及扩散模型生成的图片。对StableDiffusion、FLUX、Midjourney等生成的图片识别准确率超过90%。

                  注意力图示例                                                                                                            特征聚合分布

杭州电子科技大学“智能信息处理”实验室 (HDU IIPLab)主任为颜成钢教授。实验室现有在职教师50余名，含5位国家级人才及多位省级人才。现有硕博生200余名，毕业生多就职于阿里巴巴、腾讯、字节跳动、海康威视、华为、网易等国内知名企业。实验室为学校交叉创新团队，拥有自由开放的学术氛围和国际前沿的研究方向。实验室采用与海内外知名高校、研究所（清华大学、北京大学、中国科学院、美国北卡罗来纳大学教堂山分校、澳大利亚悉尼科技大学等）联合培养制，长期致力于智能信息处理方面的研究，主要研究方向包括：机器学习、模式识别、计算机视觉、计算机图形学、医学影像处理、生物信息学等。