CycleGAN:隐写术大师
计算机视觉与模式识别
2017-12-19 v2 机器学习
机器学习
摘要
CycleGAN (Zhu et al. 2017) 是近期一种成功学习两个图像分布间变换的方法。在一系列实验中,我们展示了该模型一个有趣的特性:CycleGAN学会将关于源图像的信息以几乎不可察觉的高频信号“隐藏”进其生成的图像中。这一技巧确保了生成器能够恢复原始样本,从而满足循环一致性要求,同时生成的图像保持逼真。我们将此现象与对抗攻击相联系,将CycleGAN的训练过程视为对抗样本生成器的训练,并证明循环一致性损失使得CycleGAN尤其易受对抗攻击。
引用
@article{arxiv.1712.02950,
title = {CycleGAN, a Master of Steganography},
author = {Casey Chu and Andrey Zhmoginov and Mark Sandler},
journal= {arXiv preprint arXiv:1712.02950},
year = {2017}
}
备注
NIPS 2017, workshop on Machine Deception