模型差异学习：基于多重重建的人工面孔检测
计算机视觉与模式识别
2025-04-11 v1
摘要
图像生成技术的进展使得人工面孔具备高度逼真的外观，但也带来了安全风险，因此人工面孔检测变得至关重要。以往的研究关注生成图像与真实图像之间的一般差异，往往忽略不同生成技术之间的差异。本文探索了人工图像与其对应生成技术之间的内在关系。我们发现，特定图像在不同生成方法下的重建差异显著，而匹配的生成技术提供更准确的重建。基于这一洞察，我们提出了基于多重重建的检测器。通过使用多个生成模型对图像进行逆向和重建，我们分析了真实图像、GAN 生成图像和 DM 生成图像之间的重建差异，以实现有效的区分。此外，我们引入了亚洲人工面孔数据集（ASFD），包含使用各种 GAN 和 DM 生成的亚洲人工面孔。该数据集补充了现有的人工面孔数据集。实验结果表明，我们的检测器取得了卓越的性能，具有强大的泛化性和鲁棒性。
引用
@article{arxiv.2504.07382,
title = {Model Discrepancy Learning: Synthetic Faces Detection Based on Multi-Reconstruction},
author = {Qingchao Jiang and Zhishuo Xu and Zhiying Zhu and Ning Chen and Haoyue Wang and Zhongjie Ba},
journal= {arXiv preprint arXiv:2504.07382},
year = {2025}
}
备注
6 pages, 6 figures