自监督GAN检测器
计算机视觉与模式识别
2022-03-08 v2 人工智能
摘要
尽管生成模型近来的进展为社会带来了多种益处，其也可能被出于恶意目的滥用，如欺诈、诽谤与假新闻。为防止此类情况，学界积极开展研究以区分生成图像与真实图像，但在训练设定之外区分未见过的生成图像方面仍存在挑战。此类局限源于模型对特定GAN所生成训练数据的过拟合所引发的数据依赖性。为克服该问题，我们采用自监督方案提出一种新框架。我们所提方法由人工指纹生成器与GAN检测器组成：前者重建GAN图像的高质量人工指纹以供细致分析，后者通过学习所重建的人工指纹来区分GAN图像。为提升人工指纹生成器的泛化能力，我们构建了具有不同数量上卷积层的多个自编码器。大量消融实验验证了我们方法的鲁棒泛化性——即便未使用训练数据集中的GAN图像，其泛化表现也优于先前最先进(state-of-the-art)算法。
引用
@article{arxiv.2111.06575,
title = {Self-supervised GAN Detector},
author = {Yonghyun Jeong and Doyeon Kim and Pyounggeon Kim and Youngmin Ro and Jongwon Choi},
journal= {arXiv preprint arXiv:2111.06575},
year = {2022}
}