基于吉米尼·罗伊风格数据集的人工智能艺术生成与深度伪造检测研究

生成式人工智能与艺术的交叉领域带来了令人瞩目的机遇，也带来了诸多重大挑战，尤其是当涉及识别人工合成艺术品时。本研究采取了独特的方法，通过关注印度艺术——具体而言是关注吉米尼·罗伊 (Jamini Roy) 独特风格——来探索扩散式生成模型。在此基础上，我们微调了 Stable Diffusion 3，并运用了 ControlNet 和 IPAdapter 等技术，以生成逼真的图像。这使我们能够创建包括真实与人工智能生成艺术品在内的全新数据集，这对于详细分析这些模型能产生什么样的作品至关重要。我们采用了各种定性和定量方法，如傅里叶域评估和自相关指标，来揭示合成图像与真实作品之间的细微差异。一个关键发现是，现有的人脸识别深度伪造检测方法在面对高质量且针对特定文化语境的深度伪造时面临重大挑战。这凸显了当前检测技术在高质量且文化特定深度伪造面前的关键缺口。本工作不仅阐明了生成模型日益复杂的趋势，也为未来旨在有效检测人工合成艺术的研究奠定了关键基础。