用于检测GAN生成的多光谱卫星图像的一类分类器
计算机视觉与模式识别
2023-05-22 v1 图像与视频处理
摘要
当前图像生成模型所达到的极高真实感图像质量在许多学术与工业应用中发挥作用。然而，为将此类模型的使用限制于良性应用，有必要开发能够明确检测图像是否由合成方式生成的工具。为此，已开发出若干检测器，在计算机视觉应用中提供优异性能，但它们无法直接应用于多光谱卫星图像，因此必须训练新模型。一般而言，两类分类器可实现非常好的检测准确率，但它们无法泛化到不同于训练时所用的图像域与生成模型架构。为此，本文提出一种基于向量量化变分自编码器2（VQ-VAE 2）特征的一类分类器，以克服两类分类器的局限。首先，我们通过在多个多光谱数据集上训练并测试EfficientNet-B4架构，强调了二分类器所面临的泛化问题。接着我们表明，由于基于VQ-VAE 2的分类器仅在原始图像上训练，它能够检测属于不同域且由训练时未使用的架构生成的图像。最后，我们在相同生成数据集上将两类分类器进行头对头比较，突显了基于VQ-VAE 2的检测器更优的泛化能力。
引用
@article{arxiv.2305.11795,
title = {A One-Class Classifier for the Detection of GAN Manipulated Multi-Spectral Satellite Images},
author = {Lydia Abady and Giovanna Maria Dimitri and Mauro Barni},
journal= {arXiv preprint arXiv:2305.11795},
year = {2023}
}
备注
17 pages, 4 figures