RepMix：用于合成图像鲁棒溯源的表示混合方法
计算机视觉与模式识别
2022-07-14 v2
摘要
生成对抗网络（GANs）的快速发展给图像溯源带来了新挑战：检测图像是否为合成图像，若是，则确定由何种 GAN 架构生成。我们独特地提出了一种应对该任务的方案，能够 1）匹配与图像语义内容无关的图像；2）对图像在线重分享时常见的良性变换（质量、分辨率、形状等的变化）具有鲁棒性。为规范我们的研究，我们收集了一个具有挑战性的基准 Attribution88，用于鲁棒且实用的图像溯源。随后我们提出 RepMix，一种基于表示混合与新颖损失的 GAN 指纹技术。我们验证了其在追踪 GAN 生成图像来源时不受图像语义内容影响且对扰动鲁棒的能力。我们表明，我们的方法在语义泛化与鲁棒性上均显著优于现有 GAN 指纹工作。数据与代码见 https://github.com/TuBui/image_attribution。
引用
@article{arxiv.2207.02063,
title = {RepMix: Representation Mixing for Robust Attribution of Synthesized Images},
author = {Tu Bui and Ning Yu and John Collomosse},
journal= {arXiv preprint arXiv:2207.02063},
year = {2022}
}
备注
Accepted at ECCV 2022; fix typo, add supmat