随着AIGC技术的规模化落地，AI生成图像已广泛应用于设计、媒体、文创等多个领域，但生成过程中普遍存在的结构错位、纹理异常等伪影问题，以及AI生成内容的溯源、鉴定需求，已成为数字内容生态规范化发展的核心痛点之一。而垂直领域高质量标注数据集的稀缺，是制约相关检测、修复技术落地的主要瓶颈。
2026年5月16日，北京大学联合腾讯优图实验室共同构建的专用于AI生成图像检测与伪影校正的高质量数据集GenShield-Set正式首发于学术平台arXiv，为上述行业痛点的解决提供了全新的数据基础设施支撑。
据介绍，GenShield-Set总数据规模约7.8万条，分为校正子集与检测子集两大模块，可同时支撑伪影识别与内容修复两类技术的研发需求。其中校正子集基于SynthScars的异常图像与文本标注，通过提示增强与专家过滤生成了精确对齐的“伪影-修复”图像对，解决了过往同类数据集“检测、修复数据不匹配”的问题，可大幅提升相关模型端到端优化的效率；检测子集则配套提供结构化答案标注，支持算法的可解释性分析，符合当下AI治理对算法透明度的监管要求。整个数据集的构建过程采用行业先进图像编辑工具生成候选修复结果，并经过多轮人工专家筛选，确保所有标注数据的语义一致性与视觉真实性，避免训练噪声对模型效果的影响。
作为国内少有的同时覆盖AIGC图像检测与修复需求的高质量数据集，GenShield-Set未来可广泛应用于多个典型场景：在内容平台审核场景中，基于该数据集训练的算法可自动识别UGC、PGC内容中的AI生成图像伪影，对合规内容可实现自动校正提升内容质量，对疑似伪造的违规内容则可快速标记预警；在数字取证场景中，伪影特征是判断图像是否经过AI生成或篡改的核心依据，该数据集可支撑相关司法鉴定技术的精度提升；在商业设计、文创生产场景中，该数据集训练的工具可自动修复AI生成设计素材中的畸形、错位等常见伪影，大幅降低设计师的后期调整成本。
该数据集的发布，旨在解决生成图像中伪影的联合检测与修复问题，填补了国内AIGC治理领域垂直训练数据集的空白，将有效推动数字取证、内容审核等领域的技术发展，助力数字内容生态的规范化建设。
详情页内容：
_1769672084863.jpg)