로그인
통찰 - AI生成画像検出
AI生成画像検出のための新しい潜在的再構成誤差ガイド特徴精製手法
本論文では、潜在的再構成誤差(LaRE)と誤差ガイド特徴精製モジュール(EGRE)を組み合わせた新しい手法LaRE2を提案する。LaREは効率的な再構成特徴量で、既存手法に比べて8倍高速である。EGREは、LaREを利用して空間的および特徴量チャンネル的に画像特徴を精製し、生成画像検出の識別性を高める。大規模GenImageベンチマークで、LaRE2は最先端手法に比べて11.9%/12.1%のACC/AP向上を達成した。
AI生成画像検出のための単一の簡単なパッチが必要
単一の簡単なパッチの雑音パターンを活用することで、AI生成画像を効果的に検出できる。
AI生成画像検出の現状：課題と展望
AI生成画像検出技術は進歩しているものの、人間の知覚に挑戦するような、より現実的な画像を判別するには至っておらず、解決には程遠いのが現状である。
少数のサンプル画像を用いた汎用的なAI生成画像検出手法：FAMSeC
本稿では、限られた学習データでも高い汎用性を実現するAI生成画像検出モデル「FAMSeC」を提案する。これは、事前学習済みCLIP:ViTに、LoRAベースのForgery Awareness Module (FAM) とSemantic feature-guided Contrastive learning strategy (SeC) を組み合わせることで、未知の生成モデルに対しても高い精度で真贋判定を行う。
