阴影不撒谎,直线不会弯!生成模型不知射影几何……至少目前如此
计算机视觉与模式识别
2024-06-03 v2 人工智能
图形学
机器学习
摘要
生成模型能生成令人印象深刻的逼真图像。本文证明生成图像具有不同于真实图像的几何特征。我们构建了一组生成图像集合,这些图像经预筛选可欺骗简单的基于信号的分类器使其相信其为真实图像。然后我们展示,仅观察几何属性的分类器能可靠地识别这些预筛选的生成图像。我们使用三种此类分类器。所有三个分类器均被禁止访问图像像素,仅观察派生的几何特征。第一个分类器观察图像的透视场,第二个观察图像中检测到的直线,第三个观察检测到的物体与阴影之间的关系。对于来自多个不同生成器的图像,我们的程序比当前最优的局部基于信号的检测器更可靠地检测生成图像。显著性图表明分类器能可靠识别几何问题。我们得出结论:当前生成器无法可靠地再现真实图像的几何属性。
引用
@article{arxiv.2311.17138,
title = {Shadows Don't Lie and Lines Can't Bend! Generative Models don't know Projective Geometry...for now},
author = {Ayush Sarkar and Hanlin Mai and Amitabh Mahapatra and Svetlana Lazebnik and D. A. Forsyth and Anand Bhattad},
journal= {arXiv preprint arXiv:2311.17138},
year = {2024}
}
备注
Project Page: https://projective-geometry.github.io | First three authors contributed equally