Beta或不Beta：用于数字图像取证的信息瓶颈
计算机视觉与模式识别
2023-09-06 v1
摘要
我们考虑采用信息论方法来解决识别伪造数字图像的问题。我们提出了一种创新方法，将图像中定位篡改区域的问题表述为使用信息瓶颈（IB）的深度表示学习问题，该方法最近作为解释深度神经网络的框架而受到广泛关注。篡改图像构成了严重的困境，因为数字化媒体已成为我们生活中无处不在的一部分。图像编辑软件的易获取性以及GAN等深度生成模型的最新进展加剧了这一问题。我们提出了InfoPrint，一种使用近似变分推断的高效计算IB公式求解方案，并将其与计算代价高昂的数值解进行了比较。在多个标准数据集上的测试表明，InfoPrint优于现有技术（SOTA）和数值解。此外，它还具有检测由修复GAN所作修改的能力。
引用
@article{arxiv.1908.03864,
title = {To Beta or Not To Beta: Information Bottleneck for DigitaL Image Forensics},
author = {Aurobrata Ghosh and Zheng Zhong and Steve Cruz and Subbu Veeravasarapu and Terrance E Boult and Maneesh Singh},
journal= {arXiv preprint arXiv:1908.03864},
year = {2023}
}
备注
10 pages