开放集合成图像来源归因

AI生成图像已变得愈发逼真，并引起了公众的显著关注。合成图像因其逼真性而引人入胜，但也构成了重要的虚假信息威胁。为应对这一新威胁，研究者已开发多种算法来检测合成图像并识别其来源生成器。然而，大多数现有的来源归因技术被设计为在闭集场景下运行，即它们只能用于区分已知的图片生成器。相比之下，新的图像生成技术正在快速涌现。为应对这一点，极需能够识别合成图像是否源自新的、未见过的生成器的开放集来源归因技术。为解决此问题，我们提出了一种基于度量学习的新方法。我们的技术通过学习可迁移的嵌入来工作，这些嵌入能够区分生成器，即便它们在训练时未被见到。图像首先被分配给一个候选生成器，然后根据其在嵌入空间中距已知生成器学习到的参考点的距离被接受或拒绝。重要的是，我们确认通过先在图像相机识别上预训练我们的来源归因嵌入网络，可提升我们嵌入的迁移性。通过一系列实验，我们展示了我们的方法在开放集场景下归因合成图像来源的能力。