Buchumschlag

NS-Net: Decoupling CLIP Semantic Information through NULL-Space for Generalizable AI-Generated Image Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yan, Jiazhen, Wang, Fan, Jiang, Weiwei, Li, Ziqiang, Fu, Zhangjie
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DGS-Net: Distillation-Guided Gradient Surgery for CLIP Fine-Tuning in AI-Generated Image Detection
von: Yan, Jiazhen, et al.
Veröffentlicht: (2025)

Dual Frequency Branch Framework with Reconstructed Sliding Windows Attention for AI-Generated Image Detection
von: Yan, Jiazhen, et al.
Veröffentlicht: (2025)

How Noise Benefits AI-generated Image Detection
von: Li, Ziqiang, et al.
Veröffentlicht: (2025)

Is Artificial Intelligence Generated Image Detection a Solved Problem?
von: Li, Ziqiang, et al.
Veröffentlicht: (2025)

Beyond Text Prompts: Precise Concept Erasure through Text-Image Collaboration
von: Li, Jun, et al.
Veröffentlicht: (2026)

Generalizable Deepfake Detection Based on Forgery-aware Layer Masking and Multi-artifact Subspace Decomposition
von: Zhang, Xiang, et al.
Veröffentlicht: (2026)

Decoupling Forgery Semantics for Generalizable Deepfake Detection
von: Ye, Wei, et al.
Veröffentlicht: (2024)

OmniAID: Decoupling Semantic and Artifacts for Universal AI-Generated Image Detection in the Wild
von: Guo, Yuncheng, et al.
Veröffentlicht: (2025)

Low-rank Orthogonal Subspace Intervention for Generalizable Face Forgery Detection
von: Wang, Chi, et al.
Veröffentlicht: (2026)

When Detectors Forget Forensics: Blocking Semantic Shortcuts for Generalizable AI-Generated Image Detection
von: Shuai, Chao, et al.
Veröffentlicht: (2026)

Decoupling Semantics and Fingerprints: A Universal Representation for AI-Generated Image Detection
von: Wang, Zhiyuan, et al.
Veröffentlicht: (2026)

DeeCLIP: A Robust and Generalizable Transformer-Based Framework for Detecting AI-Generated Images
von: Keita, Mamadou, et al.
Veröffentlicht: (2025)

Exploring the Collaborative Advantage of Low-level Information on Generalizable AI-Generated Image Detection
von: Zhou, Ziyin, et al.
Veröffentlicht: (2025)

CausalCLIP: Causally-Informed Feature Disentanglement and Filtering for Generalizable Detection of Generated Images
von: Liu, Bo, et al.
Veröffentlicht: (2025)

Scaling Exposes the Trigger: Input-Level Backdoor Detection in Text-to-Image Diffusion Models via Cross-Attention Scaling
von: Li, Zida, et al.
Veröffentlicht: (2026)

Multimodal Conditional Information Bottleneck for Generalizable AI-Generated Image Detection
von: Qin, Haotian, et al.
Veröffentlicht: (2025)

Physics-Aligned Spectral Mamba: Decoupling Semantics and Dynamics for Few-Shot Hyperspectral Target Detection
von: Gong, Luqi, et al.
Veröffentlicht: (2026)

Orthogonal Subspace Decomposition for Generalizable AI-Generated Image Detection
von: Yan, Zhiyuan, et al.
Veröffentlicht: (2024)

A Comprehensive Survey on Visual Concept Mining in Text-to-image Diffusion Models
von: Li, Ziqiang, et al.
Veröffentlicht: (2025)

Detecting AI-Generated Images via CLIP
von: Moskowitz, A. G., et al.
Veröffentlicht: (2024)

Unlocking the Hidden Potential of CLIP in Generalizable Deepfake Detection
von: Yermakov, Andrii, et al.
Veröffentlicht: (2025)

Control-CLIP: Decoupling Category and Style Guidance in CLIP for Specific-Domain Generation
von: Jia, Zexi, et al.
Veröffentlicht: (2025)

PGC: Peak-Guided Calibration for Generalizable AI-Generated Image Detection
von: Zhou, Xiaoyu, et al.
Veröffentlicht: (2026)

Reduce the Artifacts Bias for More Generalizable AI-Generated Image Detection
von: Li, Yiheng, et al.
Veröffentlicht: (2026)

GAMMA: Generalizable Alignment via Multi-task and Manipulation-Augmented Training for AI-Generated Image Detection
von: Yan, Haozhen, et al.
Veröffentlicht: (2025)

Scene Graph Disentanglement and Composition for Generalizable Complex Image Generation
von: Wang, Yunnan, et al.
Veröffentlicht: (2024)

Raising the Bar of AI-generated Image Detection with CLIP
von: Cozzolino, Davide, et al.
Veröffentlicht: (2023)

Transfer CLIP for Generalizable Image Denoising
von: Cheng, Jun, et al.
Veröffentlicht: (2024)

CLIP-AGIQA: Boosting the Performance of AI-Generated Image Quality Assessment with CLIP
von: Tang, Zhenchen, et al.
Veröffentlicht: (2024)

When Semantics Regulate: Rethinking Patch Shuffle and Internal Bias for Generated Image Detection with CLIP
von: Chu, Beilin, et al.
Veröffentlicht: (2025)

Semantic Visual Anomaly Detection and Reasoning in AI-Generated Images
von: Tan, Chuangchuang, et al.
Veröffentlicht: (2025)

Towards Generalizable AI-Generated Image Detection via Image-Adaptive Prompt Learning
von: Li, Yiheng, et al.
Veröffentlicht: (2025)

CLIP-Flow: A Universal Discriminator for AI-Generated Images Inspired by Anomaly Detection
von: Yuan, Zhipeng, et al.
Veröffentlicht: (2025)

DetailCLIP: Injecting Image Details into CLIP's Feature Space
von: Zhang, Zilun, et al.
Veröffentlicht: (2022)

Generalizable Detection of AI Generated Images with Large Models and Fuzzy Decision Tree
von: Wu, Fei, et al.
Veröffentlicht: (2026)

Generalizable AI-Generated Image Detection Based on Fractal Self-Similarity in the Spectrum
von: Xiao, Shengpeng, et al.
Veröffentlicht: (2025)

MediCLIP: Adapting CLIP for Few-shot Medical Image Anomaly Detection
von: Zhang, Ximiao, et al.
Veröffentlicht: (2024)

MIRROR: Manifold Ideal Reference ReconstructOR for Generalizable AI-Generated Image Detection
von: Liu, Ruiqi, et al.
Veröffentlicht: (2026)

DeCLIP: Decoupled Prompting for CLIP-based Multi-Label Class-Incremental Learning
von: Du, Kaile, et al.
Veröffentlicht: (2025)

Exploring the Adversarial Robustness of CLIP for AI-generated Image Detection
von: De Rosa, Vincenzo, et al.
Veröffentlicht: (2024)