NeurIPS 2025（39th Conference on Neural Information Processing Systems)公布论文录用通知，团队提出关于人工智能安全与多模态学习表征：合成图像检测的论文成果被顺利录用。NeurIPS (Conference on Neural Information Processing Systems) 是人工智能与机器学习领域的国际顶级学术会议之一，在机器学习、计算机视觉、表示学习与多模态建模等方向具有极高的学术影响力，与 ICML、ICLR 并列为该领域三大顶级会议，被中国计算机学会（CCF）评为推荐A类会议。NeurIPS 2025会议在美国圣迭戈举行，共收到21575份有效投稿，最终接收5290篇，整体录用率为24.52%。

论文题目：FerretNet: Efficient Synthetic Image Detection via Local Pixel Dependencies 

论文概述：由变分自编码器（VAEs）、生成对抗网络（GANs）和潜在扩散模型（LDMs）等先进模型生成的合成图像，其真实感日益增强，给合成图像检测带来了重大挑战。为解决这一问题，我们探究了生成过程中产生的两类伪影：（1）潜在分布偏差；（2）解码诱导的平滑效应。这两类伪影会表现为局部纹理、边缘和颜色过渡的不一致性。借助源于马尔可夫随机场的局部像素依赖性（LPD）特性，我们利用邻域像素信息重建合成图像，以暴露其纹理连续性和边缘一致性的破坏。基于 LPD，我们提出了 FerretNet----仅含 110 万参数的轻量级神经网络，可实现高效且稳健的合成图像检测。大量实验表明，FerretNet 仅在 4 类 ProGAN 数据集上训练，在包含 22 个生成模型的开放世界基准测试中，平均准确率达到 97.1%，超过现有最优方法 10.6 个百分点。