域泛化

针对现代视觉语言模型（VLM）生成图像的篡改检测难题，PIXAR-DG提出跨域泛化训练框架。通过平衡采样、晚期注入和低学习率策略，PIXAR-DG在PIXAR基准上显著优于PIXAR、SIDA和LISA等基线方法。实验显示，PIXAR-DG-13B在分布外生成器上的准确率提升25.0%，且仅需19.2%的训练数据即可达到更优效果。需注意，该方法依赖源域数据质量，极端分布外偏移下可能失效。