Detecting Images Generated by Diffusers

要約

タイトル：Diffusionによって生成された画像の検出

要約：
– 文章から画像を生成するDiffusionモデルによって生成された画像を検出するタスクを探究した論文。
– MSCOCOおよびWikimediaのデータセットのキャプションから生成された画像を使用し、2つの最先端モデルであるStable DiffusionおよびGLIDEによって生成された画像を評価した。
– CLIPから抽出された特徴量、または伝統的なCNNによって開始された単純なMulti-Layer Perceptrons(MLPs)を使用して、生成された画像を検出できることが示された。
– Stable Diffusionによって生成された画像を学習したモデルは、GLIDEによって生成された画像を比較的良く検出できることが観察されたが、逆は成立しない。
– 画像に関連するテキスト情報を取り込んでも検出結果の改善はほとんどないが、画像に描かれた被写体の種類はパフォーマンスに重要な影響を与えることがわかった。
– この研究は生成画像の検出の可能性についての洞察を提供し、現実世界の応用におけるセキュリティとプライバシーの懸念に関連する。結果を再現するためのコードは、https://github.com/davide-coccomini/Detecting-Images-Generated-by-Diffusersで利用できる。

要約(オリジナル)

This paper explores the task of detecting images generated by text-to-image diffusion models. To evaluate this, we consider images generated from captions in the MSCOCO and Wikimedia datasets using two state-of-the-art models: Stable Diffusion and GLIDE. Our experiments show that it is possible to detect the generated images using simple Multi-Layer Perceptrons (MLPs), starting from features extracted by CLIP, or traditional Convolutional Neural Networks (CNNs). We also observe that models trained on images generated by Stable Diffusion can detect images generated by GLIDE relatively well, however, the reverse is not true. Lastly, we find that incorporating the associated textual information with the images rarely leads to significant improvement in detection results but that the type of subject depicted in the image can have a significant impact on performance. This work provides insights into the feasibility of detecting generated images, and has implications for security and privacy concerns in real-world applications. The code to reproduce our results is available at: https://github.com/davide-coccomini/Detecting-Images-Generated-by-Diffusers

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI