A-PixelHop：一种绿色、鲁棒且可解释的假图像检测器
计算机视觉与模式识别
2021-11-09 v1 机器学习
摘要
本文提出一种检测 CNN 生成图像的新方法，称为 Attentive PixelHop（或 A-PixelHop）。它具有三个优势：1) 低计算复杂度与小规模模型，2) 针对广泛生成模型的高检测性能，3) 数学上的可解释性。A-PixelHop 基于如下假设设计：在局部区域中合成高质量的高频分量较为困难。它包含四个构建模块：1) 选取含有显著高频分量的边缘/纹理块，2) 对其施加多个滤波器组以获得丰富的空间-谱响应作为特征，3) 将特征输入多个二分类器得到一组软决策，4) 开发一种有效的集成方案将软决策融合为最终决策。实验结果表明，A-PixelHop 在检测 CycleGAN 生成图像方面优于当前最优方法。此外，它能很好地泛化至未见过的生成模型与数据集。
引用
@article{arxiv.2111.04012,
title = {A-PixelHop: A Green, Robust and Explainable Fake-Image Detector},
author = {Yao Zhu and Xinyu Wang and Hong-Shuo Chen and Ronald Salloum and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2111.04012},
year = {2021}
}