WildFake：用于AI生成图像检测的大规模具挑战性数据集
计算机视觉与模式识别
2024-02-20 v1
摘要
生成模型的卓越能力使得人类无法区分AI生成图像与真实照片。生成技术的发展开辢了新的机遇，但同时也引入了对隐私、真实性和安全性的潜在风险。因此，检测AI生成图像的任务至关重要，以防止非法活动。为评估AI生成图像检测的通用性和鲁棒性，我们提出了一个大规模数据集，称为WildFake，包含最先进的生成器、多样化的对象类别和真实世界应用。WildFake数据集具有以下优势：1）广泛内容：WildFake从开源社区收集假图像，通过多样化的图像类别和图像风格丰富其多样性。2）分层结构：WildFake包含由不同类型生成器（从GANs、扩散模型到其他生成模型）合成的假图像。这些关键优势增强了在野真实场景中训练的检测器的泛化性和鲁棒性，从而证明WildFake对于AI生成检测器具有相当大的相关性和有效性。此外，我们的广泛评估实验旨在深入洞察不同层次生成模型的能力，这是WildFake独特分层结构所赋予的独特优势。
引用
@article{arxiv.2402.11843,
title = {WildFake: A Large-scale Challenging Dataset for AI-Generated Images Detection},
author = {Yan Hong and Jianfu Zhang},
journal= {arXiv preprint arXiv:2402.11843},
year = {2024}
}