学习解耦 GAN 指纹用于伪造图像溯源
计算机视觉与模式识别
2021-06-17 v1
摘要
生成模型的快速发展给视觉取证带来了诸如恶意冒充与数字版权侵权等新威胁，推动了伪造图像溯源方面的工作。现有伪造图像溯源工作主要依赖直接分类框架。在无额外监督的情况下，提取的特征可能包含许多与内容相关的成分且泛化性差。同时，如何获得可解释的 GAN 指纹以解释决策仍是一个开放问题。我们采用多任务框架，提出 GAN 指纹解耦网络（GFD-Net），以同时从 GAN 生成图像中解耦指纹并生成与内容无关的表示用于伪造图像溯源。提供了一系列约束以保证指纹的稳定性与判别性，进而有助于与内容无关的特征提取。此外，我们对 GAN 指纹进行了全面分析，提供了关于 GAN 指纹性质以及 GAN 架构中哪些因素主导指纹的线索。实验表明，我们的 GFD-Net 在封闭世界与开放世界测试中均取得了优越的伪造图像溯源性能。我们还将方法应用于二值伪造图像检测，并对未见生成器展现出显著的泛化能力。
引用
@article{arxiv.2106.08749,
title = {Learning to Disentangle GAN Fingerprint for Fake Image Attribution},
author = {Tianyun Yang and Juan Cao and Qiang Sheng and Lei Li and Jiaqi Ji and Xirong Li and Sheng Tang},
journal= {arXiv preprint arXiv:2106.08749},
year = {2021}
}
备注
10 pages, 7 figures