条件对抗式相机模型匿名化

用于拍摄特定照片图像的相机模型（模型溯源）通常从图像中存在的特定于模型的高频伪影推断得出。模型匿名化是变换这些伪影以使表观拍摄模型被改变的过程。我们提出一种条件对抗式方法来学习此类变换。与先前工作不同，我们将模型匿名化视为变换高空间频率和低空间频率信息的过程。我们用预训练的双流模型溯源分类器的损失增强目标函数，该损失约束生成网络变换全部范围的伪影。定量比较证明了我们的框架在受限的非交互黑盒设置中的有效性。