基于傅里叶变换的ResNet50生成对抗网络指纹检测
计算机视觉与模式识别
2025-10-24 v1
摘要
由生成对抗网络(GANs)产生的逼真图像的迅速增长，对图像取证以及需要可靠内容真实性的工业系统构成了严峻挑战。本文利用频域分析与深度学习相结合的方法来解决区分StyleGAN生成图像与真实图像的问题。具体来说，应用二维离散傅里叶变换(2D DFT)将图像转换到傅里叶域，在该域中微妙的周期性伪影变得可检测。在这些变换后的图像上训练ResNet50神经网络，以区分真实图像和合成图像。实验表明，频域模型达到了92.8%的准确率和0.95的AUC，显著优于在原始空间域图像上训练的等效模型。这些结果表明，GAN生成的图像具有独特的频域特征或“指纹”。所提出的方法凸显了结合信号处理技术和深度学习以增强数字取证并加强工业AI系统可信度的工业潜力。
引用
@article{arxiv.2510.19840,
title = {Fourier-Based GAN Fingerprint Detection using ResNet50},
author = {Sai Teja Erukude and Viswa Chaitanya Marella and Suhasnadh Reddy Veluru},
journal= {arXiv preprint arXiv:2510.19840},
year = {2025}
}
备注
6 pages. Published in IEEE