基于自监督学习的 AI 生成人脸异常检测方法
计算机视觉与模式识别
2025-01-07 v1
摘要
AI 生成人脸的检测通常被方法化为二元分类任务。然而，所得检测器经常难以适应不断演化的新型 AI 人脸生成器。在本文中，我们描述了一种用于 AI 生成人脸的异常检测方法，通过仅从摄影人脸图像中对摄像机内参和面部特定特征进行自监督学习。我们方法的成功在于设计了一个预文本任务，该任务训练一个特征提取器，对四个有序的可互换图像文件格式（EXIF）标签进行排序，并对人工操纵的人脸图像进行分类。随后，我们使用高斯混合模型对摄影人脸图像所学习的特征分布进行建模。 likelihood 较低的面部将被标记为 AI 生成。定量和定性实验均验证了我们方法的有效性。我们的代码可在 \url{https://github.com/MZMMSEC/AIGFD_EXIF.git} 获取。
引用
@article{arxiv.2501.02207,
title = {Self-Supervised Learning for Detecting AI-Generated Faces as Anomalies},
author = {Mian Zou and Baosheng Yu and Yibing Zhan and Kede Ma},
journal= {arXiv preprint arXiv:2501.02207},
year = {2025}
}