AI 生成图像的在线检测
计算机视觉与模式识别
2023-10-24 v1 图形学
机器学习
摘要
随着 AI 生成图像的持续进步，区分传统来源图像（如照片、艺术品）与 AI 生成图像变得愈发困难。先前的检测方法孤立地研究从单一生成器到另一生成器的泛化能力。然而在现实中，新生成器是持续流式发布的。我们研究此设定下的泛化：依据知名生成方法的历史发布日期，在 N 个模型上训练并在接下来的 (N+k) 个模型上测试。此外，图像日益由真实与生成成分共同构成，例如通过图像修复。因此，我们将该方法扩展到像素预测，利用自动生成的修复数据展现出强劲性能。另外，对于商业模型不公开、无法自动生成数据的设定，我们评估像素检测器是否可以仅在整个合成图像上训练。
引用
@article{arxiv.2310.15150,
title = {Online Detection of AI-Generated Images},
author = {David C. Epstein and Ishan Jain and Oliver Wang and Richard Zhang},
journal= {arXiv preprint arXiv:2310.15150},
year = {2023}
}
备注
ICCV DeepFake Analysis and Detection Workshop, 2023