本研究提出了一个更大且多样性更高的数据集，以提高AI生成图像的识别能力。结果显示，训练模型的数量和多样性越高，假图像检测器的性能越好，且本文提出的检测器在泛化能力上优于其他数据集训练的检测器。

本文探讨了图像真实感的因素，利用卷积神经网络（CNN）进行视觉真实感知的学习。研究提出了一种新型生成对抗网络（RealnessGAN），并通过对比分析展示其在合成与真实数据集上的优势。此外，提出了图像逼真度评分（IRS）作为有效的图像真实度评估指标，实验表明其能成功检测假图像并提升生成内容质量。