生成图像统计不可区分性研究：深度神经网络分类结果分析

2026年10月30日，arXiv发布一项关于生成图像与真实图像统计不可区分性的研究。该研究发现，即使对生成图像进行模糊、缩小等抽象处理，深度神经网络仍能将其与真实图像区分开。只有当内容损失极大（例如将256x256图像降至4x4）时，这种区分能力才失效。 研究覆盖MNIST、CelebA等四个数据集，并分析了GAN、VAE、扩散模型等多种生成方法。结果证实伪影存在于从低层到高层的各个层面，表明假图像与真实图像的差异远超常规认知。研究结论指出，现有生成技术尚未达到统计不可区分状态。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。