基于跨波段共现分析的CNN检测GAN生成人脸图像
计算机视觉与模式识别
2020-10-05 v2 密码学与安全
机器学习
图像与视频处理
摘要
最新一代GAN模型能够生成视觉上与自然图像无法区分的合成图像，这催生了开发工具以区分虚假与自然图像的需求，从而有助于维护数字图像的可信度。尽管现代GAN模型可以生成无明显空间伪影的高质量图像，但重建颜色通道间的一致关系预计更为困难。本文提出了一种通过利用光谱波段间的不一致性来区分GAN生成图像与自然图像的方法，特别关注合成人脸图像的生成。具体而言，我们使用跨波段共现矩阵，连同空间共现矩阵，作为CNN模型的输入，该模型经过训练以区分真实人脸与合成人脸。实验结果证实了我们方法的优越性，其性能优于仅基于波段内空间共现的类似检测技术。在对抗后处理（如几何变换、滤波和对比度操作）的鲁棒性方面，性能提升尤为显著。
引用
@article{arxiv.2007.12909,
title = {CNN Detection of GAN-Generated Face Images based on Cross-Band Co-occurrences Analysis},
author = {Mauro Barni and Kassem Kallas and Ehsan Nowroozi and Benedetta Tondi},
journal= {arXiv preprint arXiv:2007.12909},
year = {2020}
}
备注
(6 pages, 2 figures, 4 tables), (IEEE International Workshop on Information Forensics and Security - WIFS 2020, New York, USA)