检测不可检测之物：结合 Kolmogorov-Arnold 网络与多层感知机进行 AI 生成图像检测
计算机视觉与模式识别
2024-08-20 v1 人工智能
机器学习
摘要
随着人工智能的进展，区分真实图像与 AI 生成图像的任务因复杂的生成模型而日益困难。本文提出了一种新颖的检测框架，能够稳健地识别由前沿生成 AI 模型（如 DALL-E 3、MidJourney 和 Stable Diffusion 3）生成的图像。我们引入了一个专门包含这些先进生成器图像的全面数据集，作为广泛评估的基础。我们提出了一种将语义图像嵌入与传统多层感知机（MLP）相结合的分类系统。该基线系统旨在在各种具有挑战性的条件下有效区分真实图像与 AI 生成图像。在此基础上，我们引入了一种结合 Kolmogorov-Arnold 网络（KAN）与 MLP 的混合架构。该混合模型利用 KAN 的自适应、高分辨率特征转换能力，使我们的系统能够捕捉和分析常规模型通常忽略的 AI 生成图像中的复杂模式。在分布外测试中，我们提出的模型在三个分布外测试数据集上始终优于标准 MLP，展示了在将真实图像与 AI 生成图像分类方面的优越性能和鲁棒性，取得了令人印象深刻的 F1 分数。
引用
@article{arxiv.2408.09371,
title = {Detecting the Undetectable: Combining Kolmogorov-Arnold Networks and MLP for AI-Generated Image Detection},
author = {Taharim Rahman Anon and Jakaria Islam Emon},
journal= {arXiv preprint arXiv:2408.09371},
year = {2024}
}
备注
8 Pages, IEEE Transactions