Thèse Année : 2026

AI-Generated Image Detection Using Multimodal Deep Learning

Détection d'images générées par l'IA à l'aide de l'apprentissage profond multimodal

Résumé

Generative artificial intelligence (AI) and its applications offer significant benefits but raise potentially critical societal and ethical concerns. This thesis explores the field of synthetic content generation and detection, with a particular focus on synthetic images. These are AI-generated images that can appear indistinguishable from real photographs, creating new challenges for digital forensics, media integrity, and public trust. While generative models such as generative adversarial networks (GANs) and diffusion models have evolved rapidly, most existing detection methods remain limited in terms of generalizability, robustness, and interpretability. To address these challenges, this research investigates new AI-driven frameworks to improve the generalizability, robustness, and interpretability of current image detection methods. The various aspects of synthetic image detection are covered in this thesis by four key contributions. The first contribution, Bi-LORA, presents an efficient vision-language approach that reformulates the detection problem into an image caption task, achieving strong zero-shot generalization across unseen generative models. The second, RAVID, proposes a retrieval-augmented visual detection framework that enhances robustness and interpretability by incorporating external visual context. The third, DeeCLIP, presents a lightweight transformer-based model that fuses shallow and deep features to improve resistance to image degradation and post-processing. Finally, FIDAVL unifies synthetic image detection and source attribution in a single multitasking framework based on the soft prompt tuning of vision-language models. This thesis provides an in-depth analysis of the current state of synthetic image research and its societal impacts. It emphasizes the urgent need for effective and robust detection methods. The approaches introduced advance the scientific community and could benefit practical applications in media authenticity and security. This research marks an important step forward in developing solutions to the ethical challenges posed by GenAI.

L'intelligence artificielle générative (IA) et ses applications offrent des avantages considérables, mais soulèvent des questions sociétales et éthiques potentiellement critiques. Cette thèse explore le domaine de la génération et de la détection de contenus synthétiques, en mettant particulièrement l'accent sur les images synthétiques. Il s'agit d'images générées par l'IA qui peuvent paraître indiscernables de photographies réelles, ce qui crée de nouveaux défis pour la criminalistique numérique, l'intégrité des médias et la confiance du public. Alors que les modèles génératifs tels que les réseaux antagonistes génératifs (GANs) et les modèles de diffusion ont connu une évolution rapide, la plupart des méthodes de détection existantes restent limitées en termes de généralisation, de robustesse et d'interprétabilité. Pour relever ces défis, cette recherche étudie de nouvelles approches basées sur l'IA afin d'améliorer la généralisation, la robustesse et l'interprétabilité des méthodes actuelles de détection d'images. Les différents aspects de la détection d’images synthétiques sont examinés dans cette thèse à travers quatre contributions majeures. La première contribution, intitulée Bi-LORA, propose une approche vision–langage efficace qui reformule le problème de détection sous la forme d’une tâche de génération de légendes d’images. Cette méthode démontre une capacité de généralisation zero-shot remarquable face à des modèles génératifs encore non vus. La deuxième contribution, nommée RAVID, introduit un cadre de détection visuelle enrichi par la recherche d’images (retrieval-augmented visual detection). Ce cadre vise à renforcer la robustesse et l’interprétabilité des systèmes de détection en intégrant un contexte visuel externe pertinent. La troisième contribution, DeeCLIP, présente un modèle léger fondé sur une architecture de type transformeur, qui combine des caractéristiques superficielles et profondes afin d’améliorer la résilience aux dégradations visuelles et aux opérations de post-traitement. Enfin, la quatrième contribution, FIDAVL, propose une approche unifiée de la détection d’images synthétiques et de l’attribution à la source, au sein d’un cadre multitâche reposant sur l’ajustement souple des invites (soft prompt tuning) dans les modèles vision–langage. Cette thèse propose une analyse approfondie de l’état actuel de la recherche sur les images synthétiques ainsi que de leurs impacts sociétaux. Elle souligne l’importance et l’urgence de concevoir des méthodes de détection à la fois efficaces et robustes. Les approches développées dans ce travail contribuent à l’avancement de la recherche scientifique et présentent un potentiel d’application concret dans les domaines de l’authenticité des médias et de la sécurité numérique. Dans cette perspective, cette recherche constitue une étape significative vers le développement de solutions face aux défis éthiques soulevés par le GenAI.

Fichier non déposé

Dates et versions

tel-05477225 , version 1 (26-01-2026)

Identifiants

  • HAL Id : tel-05477225 , version 1

Citer

Mamadou Keita. AI-Generated Image Detection Using Multimodal Deep Learning. Signal and Image Processing. Université Polytechnique Hauts de France; Institut national des sciences appliquées Hauts-de-France, 2026. English. ⟨NNT : 2026UPHF0005⟩. ⟨tel-05477225⟩
77 Consultations
0 Téléchargements

Partager

  • More