摘要
近期的扩散模型能够合成具有足够视觉保真度的手写图像，足以对人工审查者和自动化鉴伪系统构成挑战，从而削弱了文档鉴证的可靠性。现有的空间域检测器可能无法捕获嵌入于复杂笔画结构中的细微生成伪影。为应对这一局限，我们提出 MSF-DiffDet，一种多尺度空间-频率框架，该框架联合地从空间与频率表示中学习鉴伪线索。该框架采用可学习频率感知分解（LFAD）来提取频率感知特征，采用局部频率统计（LFS）来刻画局部频谱变化，采用 MixBlock 以实现层次化的跨域交互，并采用自适应融合跳连接（AF-Skip）解码器在响应图生成过程中抑制信息量较低的特征。MSF-DiffDet 在域内检测、图像退化鲁棒性以及零样本跨生成器设置下，针对多种手写生成器进行了评估。此外，还加入了一项涉及中文手写的联合域测试，以考察模型在书写系统、生成器和数据集同时发生偏移时的表现。该模型优于代表性基线，在域内评估中达到了 93.49% 的准确率、96.30% 的 AUC 和 10.45% 的等错误率（EER），同时在测试集 B 的零样本跨生成器评估中保持了 89.16% 的准确率。在严格的留一生成器（LOGO）设置下，即在 DiffBrush 上训练并在书写者不相交的划分上于 WordStylist 上评估，MSF-DiffDet 在对比的各架构中取得了最高的跨生成器 AUC（84.74%），而纯空间域和纯频率域的变体分别仅达到 81.68% 和 77.90%。生成内与跨生成器性能之间的差距表明，扩散生成手写的检测仍然在一定程度上具有生成器特异性。基于删除的忠实性分析进一步表明，响应图中的高响应区域对图像级预测具有功能性相关性。这些结果证明了空间-频率特征交互对于扩散生成手写检测以及生成对伪造敏感笔画区域响应图的有效性。
