GenDet：面向AI生成图像检测的良好泛化
计算机视觉与模式识别
2023-12-15 v1
摘要
滥用AI图像可能会产生有害的社会影响，促使人们开发检测器来对抗假新闻传播等问题。现有方法能有效检测由已知生成器生成的图像，但检测未知生成器生成的图像仍具挑战性。这些方法未集中于放大检测器在处理真实图像与伪造图像时的输出差异。这导致真实样本与伪造样本的输出分布相近，增加了检测未知生成器的分类难度。本文从异常检测的角度考虑该任务，通过提出一种对抗式师生差异感知框架来解决未知生成器检测问题。我们的方法鼓励学生模型与教师模型在真实图像上的输出差异较小，同时力求在伪造图像上的输出差异较大。我们采用对抗学习来训练一个特征增强器，当输入为伪造图像时，促使教师网络与学生网络之间的差异更小。我们的方法在公共基准上达到了SOTA，可视化结果表明在面对各种类型的生成器时仍能保持较大的输出差异。
引用
@article{arxiv.2312.08880,
title = {GenDet: Towards Good Generalizations for AI-Generated Image Detection},
author = {Mingjian Zhu and Hanting Chen and Mouxiao Huang and Wei Li and Hailin Hu and Jie Hu and Yunhe Wang},
journal= {arXiv preprint arXiv:2312.08880},
year = {2023}
}