CNN生成的图像出奇地容易辨别……但目前如此
计算机视觉与模式识别
2020-04-07 v2
摘要
在这项工作中，我们探讨是否可能创建一个“通用”检测器，用以区分真实图像与由 CNN 生成的图像，而不论所使用的架构或数据集。为验证这一点，我们收集了一个由 11 种不同基于 CNN 的图像生成模型生成的假图像数据集，所选模型旨在涵盖当今常用架构的空间（ProGAN、StyleGAN、BigGAN、CycleGAN、StarGAN、GauGAN、DeepFakes、级联细化网络、隐式最大似然估计、二阶注意力超分辨率、暗光视觉）。我们证明，通过细致的预处理与后处理以及数据增强，仅在单一特定 CNN 生成器（ProGAN）上训练的标准图像分类器能够出奇地好地泛化到未见过的架构、数据集和训练方法（包括刚发布的 StyleGAN2）。我们的发现暗示了一个引人深思的可能性：当今的 CNN 生成图像共享某些共同的系统性缺陷，阻碍其实现真实的图像合成。代码与预训练网络可在 https://peterwang512.github.io/CNNDetection/ 获取。
引用
@article{arxiv.1912.11035,
title = {CNN-generated images are surprisingly easy to spot... for now},
author = {Sheng-Yu Wang and Oliver Wang and Richard Zhang and Andrew Owens and Alexei A. Efros},
journal= {arXiv preprint arXiv:1912.11035},
year = {2020}
}
备注
Accepted to CVPR 2020