DFA-CON：用于检测深度造假艺术品侵权的对比学习方法
计算机视觉与模式识别
2025-05-14 v1 人工智能
机器学习
摘要
生成式 AI 工具在视觉内容创建中尤为活跃，尤其是在视觉艺术品语境下，引发了关于版权侵权和伪造的严重担忧。用于训练这些模型的大规模数据集常包含受版权保护和非受版权保护的艺术品的混合物。鉴于生成模型倾向于记忆训练模式，他们在不同程度上容易发生版权侵犯。建立在最近提出的 DeepfakeArt 挑战基准之上，本 work 引入了 DFA-CON，一种旨在检测版权侵权或伪造 AI 生成艺术品的对比学习框架。DFA-CON 在对比学习框架中学习判别性表示，将原始艺术品与其伪造版本之间的亲和性建模。该模型在包括图像填充、风格迁移、对抗性扰动和 cutmix 等多种攻击类型下进行训练。评估结果显示，DFA-CON 在大多数攻击类型上表现出鲁健的检测性能，优于最近的预训练基础模型。代码和模型检查点将在接受后公开发布。
引用
@article{arxiv.2505.08552,
title = {DFA-CON: A Contrastive Learning Approach for Detecting Copyright Infringement in DeepFake Art},
author = {Haroon Wahab and Hassan Ugail and Irfan Mehmood},
journal= {arXiv preprint arXiv:2505.08552},
year = {2025}
}