利用共生矩阵检测 GAN 生成的伪造图像
计算机视觉与模式识别
2019-10-04 v2 图像与视频处理
摘要
生成对抗网络(GANs)的出现带来了完全新颖的变换和操控数字图像像素的方式。基于 GAN 的技术,如图像到图像翻译、DeepFakes 及其他自动化方法,在伪造图像生成中已愈发流行。本文中,我们提出一种利用共生矩阵与深度学习相结合来检测 GAN 生成的伪造图像的新方法。我们在像素域的三个颜色通道上提取共生矩阵,并使用深度卷积神经网络(CNN)框架训练模型。基于非配对图像到图像翻译(cycleGAN [1])和面部属性/表情(StarGAN [2])、包含超过 56,000 张图像的两种多样且具挑战性的 GAN 数据集上的实验结果表明,我们的方法很有前景,并在两个数据集上均达到超过 99% 的分类准确率。此外,我们的方法泛化性良好,在一个数据集上训练并在另一个数据集上测试时也能取得不错的结果。
引用
@article{arxiv.1903.06836,
title = {Detecting GAN generated Fake Images using Co-occurrence Matrices},
author = {Lakshmanan Nataraj and Tajuddin Manhar Mohammed and Shivkumar Chandrasekaran and Arjuna Flenner and Jawadul H. Bappy and Amit K. Roy-Chowdhury and B. S. Manjunath},
journal= {arXiv preprint arXiv:1903.06836},
year = {2019}
}