面向开放世界中 GAN 生成图像的发现与溯源
计算机视觉与模式识别
2021-09-22 v2 机器学习
摘要
随着生成对抗网络(GANs)的最新进展,媒体与视觉取证亟需开发能够识别图像并将其溯源至生成模型的检测器。已有工作已能高精度地将图像溯源至对应的 GAN 来源。然而,这些工作局限于闭集场景,无法泛化到训练时未见的 GAN,因而难以随新 GAN 的不断涌现而扩展。我们提出一种迭代算法,通过利用所有 GAN 在其生成图像上留下独特指纹这一事实,来发现由先前未见 GAN 生成的图像。我们的算法包含多个组件,包括网络训练、分布外检测、聚类、合并与精炼步骤。通过大量实验,我们表明该算法能高精度地发现未见 GAN,并可泛化至在未见真实数据集上训练的 GAN。我们还以在线方式将算法应用于 GAN 的溯源与发现,以及更标准的真/假检测任务。实验证明了我们的方法在发现新 GAN 方面的有效性,并可用于开放世界设置。
引用
@article{arxiv.2105.04580,
title = {Towards Discovery and Attribution of Open-world GAN Generated Images},
author = {Sharath Girish and Saksham Suri and Saketh Rambhatla and Abhinav Shrivastava},
journal= {arXiv preprint arXiv:2105.04580},
year = {2021}
}
备注
ICCV 2021