检测 AI 生成图像的双输入神经网络模型开发
计算机视觉与模式识别
2024-06-21 v1 人工智能
摘要
过去几年中，由人工智能生成的图像越来越普遍且越来越真实。这一趋势引发了关于误信息、艺术表达以及身份盗窃等伦理问题的讨论。许多道德问题的核心在于难以区分真实与假图像。开发能够识别 AI 生成图像的工具尤为重要，尤其是当这些图像看起来足够真实，难以被人类肉眼辨认出假象时。本文提出了一种双分支神经网络架构，同时接受图像及其傅里叶频率分解作为输入。我们采用 Stuchi 等人 [7] 中描述的标准 CNN 方法处理两个分支，随后使用全连接层。我们 proposed 的模型在 CIFAKE 数据集上达到了 94% 的准确率，显著优于经典机器学习方法和 CNN，性能与一些最先进的架构（如 ResNet）相当。
引用
@article{arxiv.2406.13688,
title = {Development of a Dual-Input Neural Model for Detecting AI-Generated Imagery},
author = {Jonathan Gallagher and William Pugsley},
journal= {arXiv preprint arXiv:2406.13688},
year = {2024}
}