論文の概要: Recent Advances on Generalizable Diffusion-generated Image Detection

• arxiv url: http://arxiv.org/abs/2502.19716v1
• Date: Thu, 27 Feb 2025 03:14:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-28 14:58:30.723953
• Title: Recent Advances on Generalizable Diffusion-generated Image Detection
• Title（参考訳）: 一般化可能な拡散生成画像検出の最近の進歩
• Authors: Qijie Xu, Defang Chen, Jiawei Chen, Siwei Lyu, Can Wang,
• Abstract要約: 拡散モデルの台頭は生成画像の忠実度と多様性を著しく向上させた。 拡散モデルを利用して高品質なDeepfakeイメージを作成することで、画像認証の課題を提起する。 一般化可能な拡散生成画像検出に関する研究は急速に進んでいる。
• 参考スコア（独自算出の注目度）: 32.03295963996586
• License:
• Abstract: The rise of diffusion models has significantly improved the fidelity and diversity of generated images. With numerous benefits, these advancements also introduce new risks. Diffusion models can be exploited to create high-quality Deepfake images, which poses challenges for image authenticity verification. In recent years, research on generalizable diffusion-generated image detection has grown rapidly. However, a comprehensive review of this topic is still lacking. To bridge this gap, we present a systematic survey of recent advances and classify them into two main categories: (1) data-driven detection and (2) feature-driven detection. Existing detection methods are further classified into six fine-grained categories based on their underlying principles. Finally, we identify several open challenges and envision some future directions, with the hope of inspiring more research work on this important topic. Reviewed works in this survey can be found at https://github.com/zju-pi/Awesome-Diffusion-generated-Image-Detection.
• Abstract（参考訳）: 拡散モデルの台頭は生成画像の忠実度と多様性を著しく向上させた。 様々な利点により、これらの進歩は新たなリスクももたらします。 拡散モデルを利用して高品質なDeepfakeイメージを作成することで、画像認証の課題を提起する。 近年,一般化可能な拡散生成画像の検出に関する研究が急速に進んでいる。 しかし、このトピックに関する包括的なレビューは、まだ欠落している。 このギャップを埋めるため、最近の進歩を体系的に調査し、(1)データ駆動検出と(2)特徴駆動検出の2つの主要なカテゴリに分類する。 既存の検出方法は、その基礎となる原則に基づいて、より細かい6つのカテゴリに分類される。 最後に、いくつかのオープンな課題を特定し、今後の方向性を想定し、この重要なトピックに関するさらなる研究成果を期待する。 この調査のレビューはhttps://github.com/zju-pi/Awesome-Diffusion- generated-Image-Detectionで見ることができる。

関連論文リスト

• Semi-Truths: A Large-Scale Dataset of AI-Augmented Images for Evaluating Robustness of AI-Generated Image detectors [62.63467652611788]
  実画像27,600枚、223,400枚、AI拡張画像1,472,700枚を含むSEMI-TRUTHSを紹介する。 それぞれの画像には、検出器のロバスト性の標準化と目標評価のためのメタデータが添付されている。 以上の結果から,現状の検出器は摂動の種類や程度,データ分布,拡張方法に様々な感度を示すことが示唆された。
  論文  参考訳（メタデータ） (2024-11-12T01:17:27Z)
• DiffusionFake: Enhancing Generalization in Deepfake Detection via Guided Stable Diffusion [94.46904504076124]
  ディープフェイク技術は、顔交換を極めて現実的にし、偽造された顔コンテンツの使用に対する懸念を高めている。 既存の方法は、顔操作の多様な性質のため、目に見えない領域に一般化するのに苦労することが多い。 顔偽造者の生成過程を逆転させて検出モデルの一般化を促進する新しいフレームワークであるDiffusionFakeを紹介する。
  論文  参考訳（メタデータ） (2024-10-06T06:22:43Z)
• StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
  StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。 ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
  論文  参考訳（メタデータ） (2024-08-11T01:22:29Z)
• FakeInversion: Learning to Detect Images from Unseen Text-to-Image Models by Inverting Stable Diffusion [18.829659846356765]
  本稿では,オープンソース事前学習型安定拡散モデルを用いて得られた特徴を用いた新しい合成画像検出器を提案する。 これらの逆転により、検出器は高視力の未確認発電機によく一般化できることが示される。 本稿では, 逆画像探索を用いて, 検出器評価におけるスタイリスティックおよびテーマバイアスを緩和する, 新たな挑戦的評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2024-06-12T19:14:58Z)
• Diffusion Facial Forgery Detection [56.69763252655695]
  本稿では,顔に焦点をあてた拡散生成画像を対象とした包括的データセットであるDiFFを紹介する。 人体実験といくつかの代表的な偽造検出手法を用いて,DiFFデータセットの広範な実験を行った。 その結果、人間の観察者と自動検出者の2値検出精度は30%以下であることが判明した。
  論文  参考訳（メタデータ） (2024-01-29T03:20:19Z)
• Detecting Images Generated by Deep Diffusion Models using their Local Intrinsic Dimensionality [8.968599131722023]
  拡散モデルは驚くほどリアルな画像の視覚合成に成功している。 これにより、悪意のある目的のために、彼らの可能性に対する強い懸念が持ち上がる。 合成画像の自動検出に軽量な多重局所固有次元法(multiLID)を提案する。
  論文  参考訳（メタデータ） (2023-07-05T15:03:10Z)
• Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
  本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。 従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。 本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
  論文  参考訳（メタデータ） (2022-03-30T11:44:56Z)
• Improved Xception with Dual Attention Mechanism and Feature Fusion for Face Forgery Detection [6.718457497370086]
  顔偽造検出は近年研究ホットスポットとなっている。 顔偽造検出のための二重注意機構と特徴融合を備えた改良型Xceptionを提案する。 3つのDeepfakeデータセットで評価した結果,提案手法がXceptionより優れていることが示された。
  論文  参考訳（メタデータ） (2021-09-29T01:54:13Z)
• Beyond the Spectrum: Detecting Deepfakes via Re-Synthesis [69.09526348527203]
  ディープフェイク(Deepfakes)として知られる非常に現実的なメディアは、現実の目から人間の目まで区別できない。 本研究では,テスト画像を再合成し,検出のための視覚的手がかりを抽出する,新しい偽検出手法を提案する。 種々の検出シナリオにおいて,提案手法の摂動に対する有効性の向上,GANの一般化,堅牢性を示す。
  論文  参考訳（メタデータ） (2021-05-29T21:22:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。