FairAdapter:提升AI生成图像检测公平性

Feng Ding; Jun Zhang; Xinan He; Jianfeng Xu

FairAdapter:提升AI生成图像检测公平性

计算机视觉与模式识别 2024-11-25 v1 计算机与社会

作者: Feng Ding , Jun Zhang , Xinan He , Jianfeng Xu

摘要

生成模型生成的高质量、逼真图像给揭露它们带来了巨大挑战。迄今为止,数据驱动的深度神经网络已被证明是应对这些挑战最有效的取证工具。然而,它们可能对某些语义过拟合,导致对不同内容生成样本的检测性能存在显著不一致。这可以视为检测公平性问题。在本文中,我们提出了一个名为FairAdapter的新框架来解决这个问题。与现有的最先进方法相比,我们的模型在公平性性能上有所提升。我们的项目:https://github.com/AppleDogDog/FairnessDetection

关键词

AI-generated image detection detection fairness deep neural networks forensics semantic overfitting

引用

@article{arxiv.2411.14755,
  title  = {FairAdapter: Detecting AI-generated Images with Improved Fairness},
  author = {Feng Ding and Jun Zhang and Xinan He and Jianfeng Xu},
  journal= {arXiv preprint arXiv:2411.14755},
  year   = {2024}
}

相关论文

查看更多相关论文 →