Level Up the Deepfake Detection: a Method to Effectively Discriminate Images Generated by GAN Architectures and Diffusion Models

要約

画像のディープフェイク検出タスクは、人工知能 (AI) モデルによって生成された画像から実際の画像を区別するために、科学界によって大きく取り上げられてきました: バイナリ分類タスクです。
この作業では、9 つ​​の異なる Generative Adversarial Network (GAN) アーキテクチャと 4 つの追加の拡散モデル (DM) によって生成された元の画像と偽の画像の専用データセットを収集することにより、ディープフェイクの検出と認識タスクを調査しました。
次に、3 つの異なるディープフェイクの検出および認識タスクを解決するために、階層型マルチレベル アプローチが導入されました。
（ii）GAN対DM。
(iii) AI 固有のアーキテクチャ認識。
実験結果は、いずれの場合も 97% を超える分類精度を示し、最先端の方法よりも優れていました。

要約(オリジナル)

The image deepfake detection task has been greatly addressed by the scientific community to discriminate real images from those generated by Artificial Intelligence (AI) models: a binary classification task. In this work, the deepfake detection and recognition task was investigated by collecting a dedicated dataset of pristine images and fake ones generated by 9 different Generative Adversarial Network (GAN) architectures and by 4 additional Diffusion Models (DM). A hierarchical multi-level approach was then introduced to solve three different deepfake detection and recognition tasks: (i) Real Vs AI generated; (ii) GANs Vs DMs; (iii) AI specific architecture recognition. Experimental results demonstrated, in each case, more than 97% classification accuracy, outperforming state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google