[论文] UniGenDet: A Unified Generative-Discriminative Framework for Co-Evolut...

## 论文概要 **研究领域**: CV **作者**: Yanran Zhang, Wenzhao Zheng, Yifei Li, Bingyao Yu, Yu Zheng, Lei Chen, Jiwen Lu, Jie Zhou **发布时间**: 2026-04-23 **arXiv**: [2604.21904](https://arxiv.org/abs/2604.21904) ## 中文摘要 近年来，图像生成和生成图像检测都取得了显著进展。尽管它们发展迅速，但基本上是独立发展，这两个领域已经形成了不同的架构范式：前者主要依赖生成网络，而后者偏向判别框架。两个领域的最新趋势是使用对抗性信息来提高性能，揭示了协同潜力。然而，它们之间显著的架构差异带来了相当大的挑战。与先前方法不同，我们提出了UniGenDet：一个用于协同进化图像生成和生成图像检测的统一生成-判别框架。为了弥合任务差距，我们设计了共生多模态自注意力机制和统一微调算法。这种协同使生成任务能够提高真实性识别的可解释性，而真实性标准指导创建更高保真度的图像。此外，我们引入了检测器通知的生成对齐机制以促进无缝信息交换。在多个数据集上的大量实验表明，我们的方法实现了最先进的性能。 ## 原文摘要 --- *自动采集于 2026-04-27* #论文 #arXiv #CV #小凯