面向CNN生成图像检测的迁移式取证特征发现
计算机视觉与模式识别
2022-08-25 v1 密码学与安全
机器学习
摘要
随着神经图像合成方法的快速演进，视觉伪造物在主流媒体中日益引发存在性难题。尽管此类伪造物的检测一直是图像取证领域的棘手问题，近期一类取证检测器——通用检测器（universal detectors）——却能出人意料地识别出伪造图像，而不论生成器架构、损失函数、训练数据集与分辨率如何。这一引人入胜的特性暗示了通用检测器中存在可迁移取证特征（T-FF）的可能性。本工作中，我们开展了首项分析性研究，以发现并理解通用检测器中的T-FF。我们的贡献有两点：1）我们提出了一种新颖的取证特征相关性统计量（FF-RS）来量化并发现通用检测器中的T-FF；2）我们的定性与定量研究揭示了一个意外发现：颜色是通用检测器中的一个关键T-FF。代码与模型见 https://keshik6.github.io/transferable-forensic-features/
引用
@article{arxiv.2208.11342,
title = {Discovering Transferable Forensic Features for CNN-generated Images Detection},
author = {Keshigeyan Chandrasegaran and Ngoc-Trung Tran and Alexander Binder and Ngai-Man Cheung},
journal= {arXiv preprint arXiv:2208.11342},
year = {2022}
}
备注
ECCV 2022 Oral; 35 pages