生成式AI变革时代下对图像编辑检测的再思考
计算机视觉与模式识别
2023-12-01 v1
摘要
生成式AI的加速发展显著提升了生成式局部编辑方法的可行性与有效性。这一演进使图像篡改更加容易，从而加剧了原始图像所传达信息被篡改甚至传播虚假信息的风险。因此，对能够检测编辑图像的鲁棒方法存在迫切需求。然而，缺乏包含大量先进生成式局部编辑方法所编辑图像的全面数据集，严重阻碍了相应检测方法的进展。我们致力于通过构建GRE数据集来填补这一空白，这是一个大规模生成式局部编辑数据集，具有以下优势：1）收集真实世界原始图像，聚焦于两个频繁被编辑的场景。2）整合逻辑与模拟的编辑流水线，利用多种模态的多个大模型。3）包含具有不同架构的多种编辑方法。4）提供全面的分析任务。我们利用所提出的三个任务进行了综合实验：编辑图像分类、编辑方法溯源和编辑区域定位，提供了对不同编辑方法的分析以及相关领域检测方法的评估。我们期望GRE数据集能够推动生成式局部编辑检测领域的进一步研究与探索。
引用
@article{arxiv.2311.17953,
title = {Rethinking Image Editing Detection in the Era of Generative AI Revolution},
author = {Zhihao Sun and Haipeng Fang and Xinying Zhao and Danding Wang and Juan Cao},
journal= {arXiv preprint arXiv:2311.17953},
year = {2023}
}