Universelle Fälschungsbilderkennung, die über verschiedene generative Modelle generalisiert
Bestehende lernbasierte Methoden zur Erkennung von gefälschten Bildern versagen, wenn sie mit Bildern von unbekannten generativen Modellen konfrontiert werden. Stattdessen schlagen die Autoren einen Ansatz vor, der auf einem vortrainierten Bildrepräsentationsraum basiert, der nicht explizit für diese Aufgabe trainiert wurde. Dieser Ansatz zeigt eine deutlich bessere Generalisierungsfähigkeit über verschiedene Arten von generativen Modellen hinweg.