利用机器学习鉴别 AI 生成的合成图像
计算机视觉与模式识别
2024-05-27 v2
摘要
在数字媒体领域，AI 生成的合成图像的出现给区分真实视觉内容与伪造视觉内容带来了重大挑战。这些图像通常与真实图像难以区分，对数字媒体的可信度构成威胁，并可能对虚假信息和欺诈产生影响。我们的研究通过采用机器学习技术来鉴别 AI 生成图像与真实图像，从而应对这一挑战。我们方法的核心是 CIFAKE 数据集，这是一个包含标记为“Real”和“Fake”图像的综合集合。我们利用迁移学习来微调并改进 ResNet、VGGNet 和 DenseNet 等先进的深度学习架构，以提高其识别合成图像的精度。我们还将这些模型与由基础支持向量机 (SVM) 和自定义卷积神经网络 (CNN) 组成的基线模型进行了比较。实验结果意义重大，表明我们优化后的深度学习模型优于传统方法，其中 DenseNet 达到了 97.74% 的准确率。我们的应用研究通过应用并优化这些先进模型进行合成图像检测，使用各种指标进行比较分析，并证明其在识别 AI 生成图像方面优于传统机器学习技术，从而做出了贡献。本研究不仅推进了数字媒体完整性领域的发展，也为未来探索数字媒体中 AI 生成内容的伦理和技术维度奠定了基础。
引用
@article{arxiv.2401.07358,
title = {Harnessing Machine Learning for Discerning AI-Generated Synthetic Images},
author = {Yuyang Wang and Yizhi Hao and Amando Xu Cong},
journal= {arXiv preprint arXiv:2401.07358},
year = {2024}
}