深度图像指纹：面向低样本预算的合成图像检测与模型谱系分析
计算机视觉与模式识别
2024-07-12 v4
摘要
高质量图像的生成已变得广泛可及且是一个快速演进的过程。因此，任何人都能生成与真实图像难以区分的图像。这导致了广泛的应用，包括带有欺骗意图的恶意使用。尽管生成图像的检测技术取得了进展，我们仍缺乏一种鲁棒的检测方法。此外，模型个性化技术可能会影响现有方法的检测能力。在本工作中，我们利用卷积神经网络（CNNs）的架构特性来开发一种新的检测方法。我们的方法能够检测来自已知生成模型的图像，并使我们能够建立微调生成模型之间的关系。我们在由生成对抗网络（GANs）和依赖扩散模型（Diffusion Models）的近期大型文本到图像模型（LTIMs）生成的图像上测试了该方法。我们的方法优于在相同条件下训练的其他方法，并在由Stable Diffusion和MidJourney生成的图像上取得了与最先进（state-of-the-art）预训练检测方法相当的性能，且所需的训练样本显著更少。
引用
@article{arxiv.2303.10762,
title = {Deep Image Fingerprint: Towards Low Budget Synthetic Image Detection and Model Lineage Analysis},
author = {Sergey Sinitsa and Ohad Fried},
journal= {arXiv preprint arXiv:2303.10762},
year = {2024}
}