UniGenDet: 공동 진화적 이미지 생성 및 생성 이미지 탐지를 위한 통합 생성-판별 프레임워크

UniGenDet: A Unified Generative-Discriminative Framework for Co-Evolutionary Image Generation and Generated Image Detection

April 23, 2026

저자: Yanran Zhang, Wenzhao Zheng, Yifei Li, Bingyao Yu, Yu Zheng, Lei Chen, Jiwen Lu, Jie Zhou

cs.AI

초록

최근 몇 년 동안 이미지 생성과 생성 이미지 탐지 분야 모두에서 상당한 발전이 이루어졌다. 비록 급속하지만 대체로 독립적으로 발전해왔음에도 불구하고, 이 두 분야는 각각 생성 네트워크에 주로 의존하는 전자와 판별 프레임워크를 선호하는 후자로 구분되는 독특한 구조적 패러다임을 진화시켜왔다. 두 분야 모두에서 최근의 트렌드는 성능 향상을 위해 적대적 정보를 활용하는 것이며, 이를 통해 시너지 가능성이 드러나고 있다. 그러나 두 분야 간의 상당한 구조적 차이는 커다란 과제로 남아있다. 기존 접근법과 차별화하여, 우리는 공동 진화적 이미지 생성 및 생성 이미지 탐지를 위한 통합 생성-판별 프레임워크인 UniGenDet를 제안한다. 작업 간 격차를 해소하기 위해 우리는 공생형 멀티모달 자기 주의 메커니즘과 통합 미세 조정 알고리즘을 설계하였다. 이러한 시너지는 생성 작업이 진위 식별의 해석 가능성을 향상시키는 동시에, 진위 기준이 더 높은 정확도의 이미지 생성을 유도하도록 한다. 나아가 원활한 정보 교환을 위해 탐지기 정보 기반 생성 정렬 메커니즘을 도입하였다. 여러 데이터셋에 대한 폭넓은 실험을 통해 우리의 방법이 최첨단 성능을 달성함을 입증하였다. 코드: https://github.com/Zhangyr2022/UniGenDet{https://github.com/Zhangyr2022/UniGenDet}.

English

In recent years, significant progress has been made in both image generation and generated image detection. Despite their rapid, yet largely independent, development, these two fields have evolved distinct architectural paradigms: the former predominantly relies on generative networks, while the latter favors discriminative frameworks. A recent trend in both domains is the use of adversarial information to enhance performance, revealing potential for synergy. However, the significant architectural divergence between them presents considerable challenges. Departing from previous approaches, we propose UniGenDet: a Unified generative-discriminative framework for co-evolutionary image Generation and generated image Detection. To bridge the task gap, we design a symbiotic multimodal self-attention mechanism and a unified fine-tuning algorithm. This synergy allows the generation task to improve the interpretability of authenticity identification, while authenticity criteria guide the creation of higher-fidelity images. Furthermore, we introduce a detector-informed generative alignment mechanism to facilitate seamless information exchange. Extensive experiments on multiple datasets demonstrate that our method achieves state-of-the-art performance. Code: https://github.com/Zhangyr2022/UniGenDet{https://github.com/Zhangyr2022/UniGenDet}.