GAN 伪造图像中伪影的检测与模拟
计算机视觉与模式识别
2019-10-17 v2 图像与视频处理
摘要
为检测 GAN 生成的图像，传统的监督式机器学习算法需要从目标 GAN 模型中收集一定数量的真实与伪造图像。然而，攻击者使用的具体模型通常不可用。为此，我们提出了一种 GAN 模拟器 AutoGAN，可模拟多种流行 GAN 模型共享的通用流水线所产生的伪影。此外，我们识别出由该通用 GAN 流水线中包含的上采样组件引起的独特伪影。我们从理论上证明此类伪影表现为频域中频谱的复制，从而提出一种基于频谱输入而非像素输入的分类器模型。通过使用模拟图像训练基于频谱的分类器，即便在训练期间未见到目标 GAN 模型生成的伪造图像，我们的方法在检测如 CycleGAN 等流行 GAN 模型生成的伪造图像上仍达到了最先进的性能。
引用
@article{arxiv.1907.06515,
title = {Detecting and Simulating Artifacts in GAN Fake Images},
author = {Xu Zhang and Svebor Karaman and Shih-Fu Chang},
journal= {arXiv preprint arXiv:1907.06515},
year = {2019}
}
备注
This is an extended version of our original AutoGAN paper which will be appeared in WIFS 2019