FOX 在锁定检测器的前提下为 AI 图像检测提供语言解释。
资讯摘要
论文提出 FOX 方法，先构建并锁定基于 DINOv3 的专用检测器，再用其表征引导轻量 VLM 生成取证解释；联合嵌入预测器将锁定的视觉证据映射到冻结文本编码器的语义空间，由 VLM 按需表述。作者报告其在 14 个未见生成器上平均 AUC 为 97.4，XPlainVerse 上 BERTScore 为 69.8，LOKI 上为 56.1。
要点速读
- FOX 先锁定 DINOv3 专用检测器，再训练解释模块，要求解释训练不改变检测判定。
- 联合嵌入预测器把锁定视觉证据映射到冻结文本编码器语义空间，供 VLM 生成解释。
- 作者报告 14 个未见生成器平均 AUC 97.4，XPlainVerse BERTScore 69.8，LOKI 56.1。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。