面向更精确的由先进生成模型和神经渲染模型生成的图像伪造检测

神经网络驱动的视觉数据生成取得了显著进展，特别是神经辐射场和3D高斯泼溅等神经渲染技术，为GAN和扩散模型提供了强大的替代方案。这些方法可以生成高保真图像和逼真的化身，凸显了对鲁棒检测方法的需求。为此，我们提出了一种无监督训练技术，使模型能够从傅里叶频谱幅度中提取全面特征，从而克服了由于其中心对称性质而重构频谱的挑战。通过利用频谱域并将其与空间域信息动态结合，我们创建了一个鲁棒的多模态检测器，在识别由最新图像合成技术生成的具有挑战性的合成图像方面表现出卓越的泛化能力。为了解决缺乏基于3D神经渲染的伪造图像数据库的问题，我们开发了一个综合数据库，其中包含由多种神经渲染技术生成的图像，为评估和推进检测方法提供了坚实的基础。