揭示真相：探索伪造图像中的人类注视模式

得益于图像生成领域的惊人进步，如今已经可以创建高质量且逼真的图像。只需用自然语言描述你想要的输出，即可获得令人惊叹的结果。然而，随着生成模型的使用增加，对恶意内容和错误信息传播的担忧也随之增加。因此，研究界正积极致力于开发新型伪造检测技术，主要集中在低级特征和生成模型在图像生成过程中可能留下的指纹上。在我们的工作中，另辟蹊径，我们利用人类的语义知识来探索将其纳入伪造图像检测框架的可能性。为了实现这一点，我们使用扩散模型收集了一个包含部分篡改图像的新颖数据集，并进行了眼动追踪实验，以记录不同观察者在观看真实和伪造刺激时的眼球运动。我们进行了初步的统计分析，以探索人类在感知真实和篡改图像时的独特模式。统计结果表明，在感知伪造样本时，人类倾向于关注图像中更受限的区域，而在观看真实图像时观察到的观察模式则更为分散。我们的数据集公开于：https://github.com/aimagelab/unveiling-the-truth。