用于合成 Western Blot 来源归因的可解释伪影
计算机视觉与模式识别
2024-10-07 v2
摘要
人工智能的最新进展使生成模型能够产生与原始图像无法区分的合成科学图像，这对习惯于处理此类内容的专业科学家也构成了挑战。当这些技术被系统生成欺诈性文章的机构（即所谓的“论文工厂”）利用时，可能会极大地助长关于无根据科学的错误信息的传播，从而可能破坏对科学研究的信任。尽管先前的研究已经探索了用于识别合成内容的黑盒解决方案（如卷积神经网络），但仅有少数研究涉及在不同模型间泛化以及提供对合成图像中为检测过程提供依据的伪影的洞察这一挑战。本研究旨在识别最先进的生成模型（例如，生成对抗网络和扩散模型）生成的可解释伪影，并将其用于开集识别和来源归因（即指向创建该图像的模型）。
引用
@article{arxiv.2409.18881,
title = {Explainable Artifacts for Synthetic Western Blot Source Attribution},
author = {João Phillipe Cardenuto and Sara Mandelli and Daniel Moreira and Paolo Bestagini and Edward Delp and Anderson Rocha},
journal= {arXiv preprint arXiv:2409.18881},
year = {2024}
}
备注
Accepted in IEEE International Workshop on Information Forensics and Security - WIFS 2024, Rome, Italy