TequilaGAN：如何轻松识别GAN样本
机器学习
2018-07-16 v1 计算机视觉与模式识别
机器学习
摘要
在本文中，我们展示了轻松识别由生成对抗网络(Generative Adversarial Network, GAN)框架生成的伪造样本的策略。一种策略基于原始像素值及从中提取特征的统计分析与比较。另一种策略从真实数据中学习形式化规约，并表明伪造样本违反了真实数据的规约。我们展示了GAN产生的伪造样本具有可用于识别伪造样本的通用签名。我们在MNIST、CIFAR10、音乐与语音数据上给出了结果。
引用
@article{arxiv.1807.04919,
title = {TequilaGAN: How to easily identify GAN samples},
author = {Rafael Valle and Wilson Cai and Anish Doshi},
journal= {arXiv preprint arXiv:1807.04919},
year = {2018}
}
备注
10 pages, 16 figures