利用局部本征维数检测深度扩散模型生成的图像
计算机视觉与模式识别
2023-09-29 v7 密码学与安全
摘要
扩散模型近来已成功应用于生成外观极为逼真的视觉图像。这引发了人们对其被用于恶意目的的强烈担忧。本文中，我们提出使用轻量的多局部本征维数（multiLID，最初为检测对抗样本而开发）来自动检测合成图像并识别相应的生成器网络。与许多现有检测方案（通常仅对 GAN 生成的图像有效）不同，所提方法在许多现实用例中取得了近乎完美的检测结果。在已知及新建数据集上的大量实验表明，所提 multiLID 方法在扩散检测与模型识别方面具有优越性。由于近期关于生成图像检测的实证评估往往主要聚焦于“LSUN-Bedroom”数据集，我们进一步建立了一个用于扩散生成图像检测的综合基准，包含来自多个不同图像尺寸的扩散模型的样本。
引用
@article{arxiv.2307.02347,
title = {Detecting Images Generated by Deep Diffusion Models using their Local Intrinsic Dimensionality},
author = {Peter Lorenz and Ricard Durall and Janis Keuper},
journal= {arXiv preprint arXiv:2307.02347},
year = {2023}
}
备注
We have a serious bug and the method is not that good as thought. We need to withraw it totally