Deepfake地理：检测AI生成的卫星图像

StyleGAN2和Stable Diffusion等生成模型的快速发展正在威胁卫星图像的真实性，这些图像在科学和安全部域中日益重要。虽然深度伪造检测在面部情境中已被广泛研究，但卫星图像 presents distinct挑战，包括地形层面的不一致和结构性瑕疵。在本研究中，我们对比了卷积神经网络（CNN）和Vision Transformer（ViT）用于检测AI生成的卫星图像。我们使用来自DM-AER和FSI数据集的超过130,000张标记RGB图像构建了精选数据集，结果表明ViT在准确率（95.11% vs. 87.02%）和整体鲁棒性方面显著优于CNN，这归功于其建模长程依赖和全局语义结构的能力。我们进一步使用特定于体系结构的可解释性方法增强了模型透明度，包括CNN的Grad-CAM和ViT的Chefer注意力归因，揭示了不同的检测行为，验证了模型的可信度。我们的结果突显了ViT在检测合成图像特征的结构性不一致和重复纹理模式方面的优势。未来的工作将将研究扩展到多光谱和SAR模态，并整合频域分析以进一步增强检测能力，保卫卫星图像在高风险应用中的真实性。