Online Detection of AI-Generated Images

要約

AI 生成画像の進歩が継続的に行われているため、従来のソース画像 (写真、アートワークなど) と AI 生成画像を区別することがますます困難になっています。
これまでの検出方法では、単一のジェネレーターから別のジェネレーターへの一般化を個別に研究していました。
しかし実際には、新しいジェネレーターはストリーミングベースでリリースされます。
よく知られている生成方法の過去のリリース日に従って、この設定での一般化、N モデルでのトレーニング、次の (N+k) モデルでのテストを研究します。
さらに、イメージの修復などにより、イメージは実際のコンポーネントと生成されたコンポーネントの両方で構成されることが増えています。
したがって、このアプローチをピクセル予測に拡張し、自動生成されたインペイント データを使用して強力なパフォーマンスを実証します。
さらに、自動データ生成用の商用モデルが公開されていない設定では、合成画像全体のみでピクセル検出器をトレーニングできるかどうかを評価します。

要約(オリジナル)

With advancements in AI-generated images coming on a continuous basis, it is increasingly difficult to distinguish traditionally-sourced images (e.g., photos, artwork) from AI-generated ones. Previous detection methods study the generalization from a single generator to another in isolation. However, in reality, new generators are released on a streaming basis. We study generalization in this setting, training on N models and testing on the next (N+k), following the historical release dates of well-known generation methods. Furthermore, images increasingly consist of both real and generated components, for example through image inpainting. Thus, we extend this approach to pixel prediction, demonstrating strong performance using automatically-generated inpainted data. In addition, for settings where commercial models are not publicly available for automatic data generation, we evaluate if pixel detectors can be trained solely on whole synthetic images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google