Local Statistics for Generative Image Detection

要約

拡散モデル (DM) は、ガウス ノイズから画像を合成する方法を学習する生成モデルです。
DM は、画像生成や画像の超解像度などのさまざまなタスクを実行できるようにトレーニングできます。
研究者らはここ数年で、フォトリアリスティックな画像を合成する能力を大幅に向上させてきました。
これらの成功により、合成画像の潜在的な悪用に対処する必要性も高まっています。
この論文では、デジタル カメラ画像と DM で生成された画像を区別する際に、グローバル統計ではなくローカル統計を計算することの有効性を強調します。
私たちは、画像の空間的非定常性の問題に対処するには局所統計を使用する必要があると仮説を立てました。
私たちのアプローチが有望な結果をもたらし、画像のサイズ変更や JPEG 圧縮などのさまざまな摂動に対しても堅牢であることを示します。

要約(オリジナル)

Diffusion models (DMs) are generative models that learn to synthesize images from Gaussian noise. DMs can be trained to do a variety of tasks such as image generation and image super-resolution. Researchers have made significant improvement in the capability of synthesizing photorealistic images in the past few years. These successes also hasten the need to address the potential misuse of synthesized images. In this paper, we highlight the effectiveness of computing local statistics, as opposed to global statistics, in distinguishing digital camera images from DM-generated images. We hypothesized that local statistics should be used to address the spatial non-stationarity problem in images. We show that our approach produced promising results and it is also robust to various perturbations such as image resizing and JPEG compression.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google