AI生成图像的零样本检测
计算机视觉与模式识别
2024-09-25 v1
摘要
随着每天都有新的生成架构涌现，它们具备越来越强的能力和前所未有的逼真度，检测AI生成图像已变得异常困难。许多商业工具（如DALLE、Midjourney和Stable Diffusion）的新版本最近已经发布，而持续更新和重新训练监督式取证检测器以处理如此多种类的模型是不切实际的。为了应对这一挑战，我们提出了一种基于零样本熵的检测器（ZED），它既不需要AI生成的训练数据，也不依赖于对生成架构的了解来人为合成其伪影。受近期关于机器生成文本检测工作的启发，我们的想法是衡量待分析图像与真实图像模型相比的“意外”程度。为此，我们依赖一个无损图像编码器，该编码器根据每个像素的上下文估计其概率分布。为确保计算效率，该编码器采用多分辨率架构，且上下文主要由较低分辨率版本图像的像素组成。由于学习模型仅需要真实图像，因此该检测器独立于生成器架构和合成训练数据。仅使用单个判别特征，所提出的检测器就达到了最先进的性能。在多种生成模型上，其准确率平均比现有最先进技术（SoTA）提高了3%以上。代码可在https://grip-unina.github.io/ZED/获取。
引用
@article{arxiv.2409.15875,
title = {Zero-Shot Detection of AI-Generated Images},
author = {Davide Cozzolino and Giovanni Poggi and Matthias Nießner and Luisa Verdoliva},
journal= {arXiv preprint arXiv:2409.15875},
year = {2024}
}