GAN生成图像的识别、溯源与定位
图像与视频处理
2020-07-22 v1 计算机视觉与模式识别
摘要
生成对抗网络(GANs)的最新进展已能生成以假乱真的数字图像，这对人或计算机的鉴别构成了重大挑战。GANs被广泛应用于各类任务，从修改图像的微小属性(StarGAN [14])、在图像对之间迁移属性(CycleGAN [91])，到生成全新的图像(ProGAN [36]、StyleGAN [37]、SPADE/GauGAN [64])。本文提出一种结合图像特征与深度学习方法来检测、溯源并定位GAN生成图像的新方案。对每幅图像，在RGB通道邻域像素的不同方向(水平、垂直和对角)上计算共生矩阵，随后在这些特征上训练深度学习网络以检测、溯源和定位这些GAN生成或篡改的图像。我们在包含超过276万张图像的5个GAN数据集(ProGAN、StarGAN、CycleGAN、StyleGAN和SPADE/GauGAN)上对该方法进行了大规模评估，在检测GAN生成图像方面显示出有前景的结果。
引用
@article{arxiv.2007.10466,
title = {Detection, Attribution and Localization of GAN Generated Images},
author = {Michael Goebel and Lakshmanan Nataraj and Tejaswi Nanjundaswamy and Tajuddin Manhar Mohammed and Shivkumar Chandrasekaran and B. S. Manjunath},
journal= {arXiv preprint arXiv:2007.10466},
year = {2020}
}