FakeChain

FakeChain数据集是由香港城市大学 College of Computing的研究团队构建的，包含有AI生成的假图像和真实图像，旨在为图像真伪鉴别提供基于视觉痕迹证据的综合推理。该数据集通过人类专家反馈和机器协作策略构建而成，包含23797张图像，既涵盖了从多个源收集的AI生成图像，也包括来自DIV2K、RAISE和ImageNet的真实图像。

The FakeChain dataset is constructed by the research team from the College of Computing, City University of Hong Kong. It contains both AI-generated fake images and real images, aiming to provide comprehensive reasoning based on visual trace evidence for image authenticity verification. Built through human expert feedback and machine collaboration strategies, this dataset includes 23,797 images, covering AI-generated images collected from multiple sources as well as real images sourced from DIV2K, RAISE and ImageNet.

AI搜集汇总

数据集介绍

构建方式

FakeChain数据集的构建采用了创新的'人机协作'框架，通过Anthropomorphic Chain-of-Thought Inference (ACoTI)策略实现高效知识蒸馏。首先从17类生成模型和真实图像源中收集47,594张平衡样本，随后由专业标注团队识别视觉痕迹证据的9大语义类别。关键突破在于利用少量人工标注（如50个典型样本的详细推理）作为弱监督，引导大语言模型生成结构化因果推理链，最终形成包含图像、真实性标签与多层级证据分析的标准化三元组。

特点

该数据集的核心价值在于其首创的'视觉痕迹-真实性'映射推理架构：1) 覆盖低阶纹理异常到高阶物理规则违背的17维生成缺陷特征；2) 采用链式推理格式模拟法医分析思维，每个样本平均包含4.2条可验证的因果判断；3) 通过最小覆盖集算法确保证据类别的平衡性，每类在示范集中至少出现3次。特别值得注意的是，数据集通过交叉验证机制控制质量，两名专家标注的交集部分才被保留，使推理可靠性达到99.17%的人类偏好率。

使用方法

使用FakeChain时建议采用多阶段知识迁移框架：首先基于其构建的200万条FakeInstruct指令集进行视觉语言模型微调，植入基础法医意识；随后通过提示工程激活模型的因果推理能力，典型模板为'分析图像真实性时需逐步验证[纹理][光影][解剖结构]等证据'。对于定量检测任务，可采用研究者提出的token软评分策略，从模型输出的'real/fake'标记概率分布推导置信度分数。该数据集特别适用于开发具备解释能力的多模态生成图像检测系统，其结构化推理格式可直接转化为可视化的法医报告。

背景与挑战

背景概述

FakeChain数据集由香港城市大学、南洋理工大学和圣保罗大学的研究团队于2025年推出，旨在应对生成式人工智能快速发展带来的图像伪造检测挑战。该数据集包含47,594组经过人工标注的多模态数据，涵盖17种主流生成模型产生的合成图像与真实图像，并创新性地采用人机协作的ACoTI策略构建了基于视觉痕迹证据的语义推理链条。作为FakeScope专家模型的核心训练基础，FakeChain通过结构化推理格式实现了从底层视觉特征到高层语义判断的因果映射，为多模态大模型在数字图像取证领域提供了首个包含长链推理逻辑的基准数据集。其创新性的人机协同标注范式显著降低了细粒度语义标注成本，同时保障了数据可靠性，推动了AI生成内容检测从二元分类向可解释性推理的范式转变。

当前挑战

FakeChain数据集面临的挑战主要体现在两个维度：在技术层面，生成模型的快速迭代导致合成图像与真实图像的区分界限日益模糊，传统基于纹理或频率特征的检测方法面临失效风险，需要建立跨模态的语义一致性验证体系。在数据构建层面，细粒度视觉痕迹证据的标注需要专业领域知识，人工标注成本极高，且需解决大模型生成内容与人类专家标注间的语义对齐问题。具体挑战包括：1) 多生成模型泛化性要求下的数据多样性平衡；2) 低层次视觉异常与高层语义矛盾间的因果关联建模；3) 人机协作框架中弱监督信号的质量控制；4) 跨模态推理链条的逻辑连贯性保持。这些挑战促使研究者开发了创新的ACoTI标注策略，通过人类专家引导的思维链推理，实现了检测精度与解释性的统一。

常用场景

经典使用场景

FakeChain数据集在AI生成图像检测领域具有广泛的应用价值，其最经典的使用场景是作为多模态专家模型FakeScope的训练基础。通过提供基于视觉痕迹证据的语言真实性推理，FakeChain使得FakeScope不仅能够高精度地识别AI合成图像，还能提供丰富的、可解释的取证分析。这一数据集特别适用于需要透明性和可解释性的图像取证任务，如社交媒体内容审核、数字证据分析以及AI生成内容的可信度评估。

衍生相关工作

基于FakeChain数据集的研究已衍生出多个重要工作。最突出的成果是包含200万视觉指令的FakeInstruct数据集，它进一步扩展了多模态模型在图像取证领域的能力边界。此外，研究者们开发了基于token的概率估计策略，使模型在仅使用定性标签训练的情况下展现出卓越的零样本定量检测能力。这些衍生工作不仅推动了AI生成图像检测技术的发展，还为构建更加透明、可信的多模态取证系统奠定了坚实基础。

数据集最近研究

最新研究方向

随着生成式人工智能技术的迅猛发展，AI生成图像的检测已从传统的二分类任务逐步转向可解释性、上下文感知的多模态方法。FakeChain数据集作为这一领域的重要资源，其最新研究聚焦于构建大规模多模态专家模型，如FakeScope，该模型不仅能够高精度识别AI合成图像，还能提供丰富的、可解释的取证分析。研究热点包括人类-机器协作框架下的真实性推理、视觉痕迹证据的多层次分析，以及通过指令调优增强模型的取证意识。这些进展在提升AI生成内容检测的透明度和可信度方面具有重要意义，为应对深度伪造等网络安全威胁提供了新的技术路径。

相关研究论文

• FakeScope: Large Multimodal Expert Model for Transparent AI-Generated Image Forensics

  香港城市大学 College of Computing · 2025年