Image forensics in the age of generative models: detecting AI-generated images through color correlations

Abstract

Modern generative models can produce photorealistic images that are difficult to distinguish from real photographs, posing major challenges for digital forensics and undermining trust in images as faithful depictions of reality. This thesis addresses that problem from three complementary perspectives: examining how real and synthetic images are produced, surveying the current landscape of AI-generated image detection, and developing a new color-based forensic method. We first study the contrast between the physical camera pipeline and learned generative pipelines. Camera imaging pipelines systematically leave low-level traces in natural photographs, whereas generative models synthesize images through learned mappings that need not reproduce those physically grounded statistics. This asymmetry motivates the forensic search for signals tied to image formation rather than to semantic content. Building on this foundation, we survey AI-generated image detection methods organized by evidence family: spatial-domain discriminators, frequency and residual cues, diffusion self-consistency, color-centric methods, frozen-representation detectors, and real-world forensic systems. The survey shows that no single evidence family is universally reliable and identifies inter-channel color dependencies as a comparatively underexplored gap. We then investigate inter-channel color-space correlations as a forensic signal. Controlled perturbation experiments reveal that LPIPS responds inconsistently to changes in inter-channel dependence across color spaces. By computing local inter-channel correlation distributions for real photographs and multiple diffusion-era generators across RGB, Lab, HSV, and YUV, we demonstrate that these statistics carry generator-dependent signatures whose discriminative strength varies with the chosen representation. We translate these findings into CHROMA, a detection pipeline that augments a ResNet-50 backbone with Lab inter-channel correlation maps. Under a cross-generator benchmark, CHROMA achieves competitive performance with substantially more complex methods, while ablations confirm that the benefit is color-space-dependent and that even limited multi-generator supervision yields large improvements on previously weak generators. The thesis also documents Spectral-Flow, an exploratory frequency-domain anomaly detection approach that produced negative results, as acquisition-dependent variability prevented cross-camera generalization, but whose failure directly motivated the pivot toward the color-correlation cues at the core of CHROMA.

Los modelos generativos actuales pueden producir imágenes fotorrealistas muy difíciles de distinguir de fotografías reales, lo que plantea desafíos importantes para el análisis forense y debilita la confianza en las imágenes como representaciones fieles de la realidad. Esta tesis aborda ese problema desde tres perspectivas complementarias: estudia cómo se producen las imágenes reales y las sintéticas, releva el estado del arte en detección de imágenes generadas por IA y desarrolla un nuevo método de detección basado en el color. En primer lugar, analizamos las diferencias entre la cadena física de formación de imagen de una cámara y los procesos de generación aprendidos. Los procesos de formación de imagen de las cámaras dejan de forma sistemática trazas de bajo nivel en las fotografías naturales, mientras que los modelos generativos producen imágenes mediante transformaciones aprendidas que no necesariamente reproducen esas estadísticas con base física. Esta asimetría motiva la búsqueda de señales forenses asociadas al proceso de formación de la imagen, y no sólo a su contenido semántico. Sobre esa base, relevamos los métodos de detección de imágenes generadas por IA organizándolos según la familia de evidencia que explotan: detectores en el dominio espacial, señales frecuenciales y residuales, autoconsistencia en modelos de difusión, métodos centrados en el color, detectores basados en representaciones preentrenadas y sistemas pensados para escenarios de aplicaciones en el mundo real. Esta revisión muestra que ninguna familia de evidencia es universalmente confiable e identifica las dependencias intercanal de color como un aspecto comparativamente poco explorado. Luego estudiamos las correlaciones entre canales en distintos espacios de color como señal forense. Experimentos controlados de perturbación muestran que LPIPS responde de forma inconsistente a cambios en la dependencia intercanal según el espacio de color considerado. Al calcular distribuciones locales de correlación intercanal en fotografías reales y en imágenes generadas por múltiples modelos de difusión en RGB, Lab, HSV y YUV, mostramos que estas estadísticas contienen firmas asociadas al generador cuya capacidad discriminativa varía con la representación elegida. A partir de estos hallazgos proponemos CHROMA, un sistema de detección que complementa una arquitectura ResNet-50 con mapas de correlación intercanal en Lab. En una evaluación de generalización entre generadores, CHROMA alcanza un rendimiento competitivo frente a métodos considerablemente más complejos, mientras que los experimentos de ablación confirman que el beneficio depende del espacio de color y que incluso una supervisión limitada con múltiples generadores produce mejoras importantes sobre generadores que antes resultaban difíciles de detectar. La tesis también documenta Spectral-Flow, un enfoque exploratorio de detección de anomalías en el dominio frecuencial que produjo resultados negativos, ya que la variabilidad asociada al proceso de adquisición impidió la generalización entre cámaras. Sin embargo, ese resultado motivó directamente el giro hacia las señales de correlación de color que constituyen la base de CHROMA.