이 논문에서는 GAN 생성 얼굴을 탐지하기 위한 새로운 방법인 ForensicsForest Family를 제안한다. ForensicsForest Family는 세 가지 변형으로 구성되어 있다:
ForensicsForest: 다중 스케일 계층적 캐스케이드 포레스트 모델로, 외관, 주파수, 생물학적 특징을 입력으로 사용하고 계층적으로 특징을 통합하며 다중 스케일 앙상블 기법을 활용한다.
Hybrid ForensicsForest: ForensicsForest에 CNN 레이어를 통합하여 증강된 특징의 효과를 높인다.
Divide-and-Conquer ForensicsForest: 전체 학습 샘플을 한 번에 사용하지 않고 일부 샘플로 여러 후보 포레스트 모델을 구축한 뒤 이를 선별하여 최종 모델을 구성함으로써 메모리 사용량을 줄인다.
제안 방법은 다양한 GAN 생성 얼굴 데이터셋에서 기존 CNN 기반 방법들보다 우수한 성능을 보였다. 또한 메모리 사용량이 적고 일반적인 적대적 공격에 강인한 특성을 가지고 있다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Jiucui Lu,Ji... at arxiv.org 04-30-2024
https://arxiv.org/pdf/2308.00964.pdfDeeper Inquiries