RSFAKE-1M：用于检测扩散模型生成的遥感伪造图像的大规模数据集
计算机视觉与模式识别
2025-05-30 v1
摘要
检测伪造的遥感图像正变得日益关键，因为此类图像在环境监测、城市规划和国家安全中发挥着至关重要的作用。尽管扩散模型已成为图像生成的主导范式，但其对遥感伪造检测的影响仍未得到充分探索。现有基准主要针对基于 GAN 的伪造图像或聚焦于自然图像，限制了这一关键领域的进展。为了填补这一空白，我们引入了 RSFAKE-1M，一个包含 50 万张伪造和 50 万张真实遥感图像的大规模数据集。伪造图像由在遥感数据上微调的十个扩散模型生成，涵盖文本提示、结构引导和图像修复等六种生成条件。本文介绍了 RSFAKE-1M 的构建过程，并使用现有检测器和统一基线进行了全面的实验评估。结果表明，基于扩散模型的遥感伪造图像对当前方法仍具挑战性，而在 RSFAKE-1M 上训练的模型表现出显著提升的泛化能力和鲁棒性。我们的发现突显了 RSFAKE-1M 作为开发和评估遥感领域下一代伪造检测方法基础的重要性。数据集及其他补充材料可在 https://huggingface.co/datasets/TZHSW/RSFAKE/ 获取。
关键词
引用
@article{arxiv.2505.23283,
title = {RSFAKE-1M: A Large-Scale Dataset for Detecting Diffusion-Generated Remote Sensing Forgeries},
author = {Zhihong Tan and Jiayi Wang and Huiying Shi and Binyuan Huang and Hongchen Wei and Zhenzhong Chen},
journal= {arXiv preprint arXiv:2505.23283},
year = {2025}
}