论文研读｜AI生成图像检测发展历程及研究现状

已于 2024-08-27 16:54:08 修改
阅读量2.2k 收藏 32
点赞数 17
分类专栏： 论文研读 AIGC检测与溯源 文章标签： 人工智能 AIGC AIGC检测 AI生成图像检测 GAN Diffusion Model CLIP
于 2024-07-07 22:49:53 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36332660/article/details/140253914
版权

前言：本篇博客系统性梳理AI生成图像检测领域近5年的研究脉络、经典方法以及研究现状。

–
AIGC检测相关博客如下：

「人工智能生成图像检测」研究及发展现状介绍

目录

发展脉络

鉴于AIGC检测这一领域的发展与AIGC本身的发展密切相关，本篇博客以经典生成模型的问世为时间节点，对相关工作进行介绍。首先通过一条Timeline来宏观了解一下AIGC的发展历史：

在这里插入图片描述
接下来，笔者将对开山之作、经典方法以及前沿工作动态进行详细介绍。

开山之作

最早提出AI生成图像检测的工作应该是University Federico II of Naples研究团队的Detection of GAN-generated Fake Images over Social Networks（WIFS, 2018），作者使用CycleGAN的判别器、隐写分析特征（TIFS 2020）、现有方法和一些经典的CNN网络（如DenseNet）检测互联网中GAN生成的图像，并就上述检测方法对于JPEG压缩的鲁棒性进行了测试。
在这里插入图片描述

经典方法

2019年起，欧美等国的研究团队逐渐加入到AIGC检测的行列中来。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

后记：由于本人研究视野有限，文中内容如果有不当之处，还请各位同行批评指正！

参考资料

  1. https://fdmas.github.io/AIGCDetect/
  2. 针对AIGC检测的鲁棒性测试——常见攻击手段汇总
  3. 论文研读｜以真实图像为参考依据的AIGC检测
  4. 论文研读｜针对文生图模型的AIGC检测
  5. 《人工智能生成内容模型的数字水印技术研究进展》
从新加坡《Companion Guide on Securing AI Systems 》看可信AI全生命周期防护框架构建
AllenLV的博客
03-03 217
近年来，人工智能（AI）技术以前所未有的速度蓬勃发展，已然成为推动各行业变革与创新的核心驱动力。从医疗领域辅助疾病诊断，到金融行业的风险预测与智能投顾，再到交通领域的自动驾驶技术，AI 的身影无处不在，为社会发展带来了巨大的效益。据国际数据公司（IDC）预测，全球 AI 市场规模在未来几年将持续保持高速增长态势，到 2025 年有望突破千亿美元大关。然而，随着 AI 技术的广泛应用，其安全问题也逐渐浮出水面，成为制约 AI 健康发展的关键因素。
大语言模型应用指南：还原论与涌现性
AI天才研究院
08-01 671
近年来，随着深度学习技术的飞速发展，大语言模型（LLMs）在自然语言处理领域取得了突破性的进展。LLMs能够理解和生成复杂、连贯的自然语言文本，极大地推动了人工智能在各个领域的应用。然而，LLMs的复杂性也带来了诸多挑战，如涌现性问题、可解释性困难、以及过拟合等。本文旨在探讨LLMs的应用，并从还原论与涌现性的角度出发，提出一种新的应用指南。LLMs的核心算法原理主要包括词嵌入、注意力机制、Transformer架构、预训练与微调等。词嵌入：将自然语言文本转换为向量表示。注意力机制。
杂谈2——AIGC的反面思考 与AI生成图像检测技术
qq_45848817的博客
05-30 1577
检测人工智能生成的图像的最大挑战之一是它们可能非常逼真，难以与真实图像区分开来。这是因为人工智能模型变得越来越复杂，并且能够生成与真实的图像在视觉上相似的图像。
【论文笔记】GAN-Generated Image Detection with Self-Attention Mechanism against GAN Generator Defect
weixin_45366180的博客
02-28 767
本文设计了一种新的检测算法来利用GAN的结构缺陷，利用GAN的generator中最脆弱的环节——通过转置卷积操作进行的上采样过程。这个过程中的转置卷积会导致生成的图像缺乏全局信息。因此，相应的采用了自注意机制，使得算法比目前其他采用纯CNN网络的工作对全局信息有更好的理解，这体现在检测精度的显著提高。通过与现有算法的深入比较和分析，验证了本文算法在该领域的性能优于现有算法。通过对其他图像生成类别和现实生活中常用的后处理方法的实验，我们提出的。
AIGC生成图像检测
培根芝士的专栏
08-08 1741
丰富纹理区域中的像素表现出比贫乏纹理区域中的像素更显著的波动。他们采用ResNet-50作为分类器，并观察到包括JPEG压缩和高斯模糊在内的数据增强可以提高检测器的泛化能力，这意味着检测器可以很好地泛化到未见过的架构、数据集和训练方法。LNP观察到真实图像的噪声模式在频率域中表现出相似的特征，而生成图像的噪声模式则截然不同。LGrad提取了一个训练良好的图像分类器获得的梯度图，作为GAN生成图像的指纹。基于这一观察，他们旨在通过将全局纹理提取融入常见的ResNet结构中，来提高检测器的泛化能力和鲁棒性。
OpenCV 生成检测图片
qq_40041064的博客
02-24 455
主要方法： 1. Mat::zeros()创建空图片 2. 获取ROI区域 Mat ROIImage = SRCImage（Rectangle（x,y,width,height））; 3. 为ROI区域设置像素 参考：https://blog.csdn.net/Apple_Coco/article/details/94334105 代码： Mat RedHorImage = Mat:...
AI生成图像检测调研
weixin_62277441的博客
10-30 1982
对于人类的能力，我们对来自不同背景的参与者进行了人类评估，以确定他们区分真实和虚假图像的能力。每位参与者的任务是完成一个由100个随机问题组成的测试，他们必须决定一张图像是真实的还是人工智能生成的。无论是自动化检测器还是专业艺术家，在区分人类艺术和人工智能生成图像方面都表现出色，但也都存在一定的错误。大多数图像检测器在未知领域的性能会急剧下降，因此开发一种通用的表示方法来描述生成模型产生的伪影对于假图像检测至关重要。目前缺乏包含来自最先进图像生成器的图像的大型数据集，阻碍了相关检测器的开发。
图像生成、deepfake检测、活体检测方向文章阅读| (1) 20200420-20200609
weixin_43913042的博客
06-09 735
生成式人工智能融入高中语文教学的实践与展望
爱写代码的小朋友
03-15 1097
生成式人工智能融入高中语文教学的实践与展望
ChatGPT基础科普
lbj1260200629的博客
04-23 1024
本文主要介绍了NLP技术的发展历程，详细的介绍了发展历程中各个模型的原理结构优缺点等；详细的介绍chatgpt大模型各部分的发展历程、模型结构、原理作用、优缺点及未来发展现状！
提升AI绘画生成质量：探索与突破
2301_82319473的博客
07-03 964
本文由团队出品随着人工智能技术的蓬勃发展，AI绘画生成技术已成为艺术领域的一颗璀璨新星。然而，尽管AI绘画技术在模仿人类绘画风格、创作独特艺术作品等方面取得了显著进展，但其生成的图像质量仍有待提升。本文旨在深入探讨如何提升AI绘画生成质量，以期为相关领域的研究和实践提供有益的参考。
不仅仅生成图片，用GAN做无监督的异常检测
Willing Tong的博客
11-22 8369
原文：https://zhuanlan.zhihu.com/p/32505627 GAN被LeCun赞为继CNN之后最为重要的一个工作，其原因在于让各位惊呼“这才有点人工智能的样子”。相比于CNN或者RNN而言，GAN是一种完全不一样的思路。CNN或者RNN，其本质都是一种有监督的学习方式，相比于传统的方式而言，得益于网络强大的表达能力和自动学习特征的end-to-end的学习能力，CNN和RNN...
【CVPR2020】CNN-generated images are surprisingly easy to spot... for now（假图检测/CNN合成图像的检测/图像取证）
luolan9611的博客
03-28 9661
摘要 在这项工作中，我们提出这样的疑问：是否有可能创建一个“通用”检测器，不论使用什么结构的CNN或哪种数据集，通用检测器都能区分真实图像和CNN生成的图像。为了测试这一点，我们收集了由11种不同的基于CNN的图像生成器模型生成的假图数据集集合，这些被选择的模型包含了当今最常用的那些（ProGAN，StyleGAN，Big-GAN，CycleGAN，StarGAN， Gau...
WT2000T专业录音芯片：破解普通录音设备信息留存、合规安全与远程协作三大难题
Waytronic_的博客
04-23 753
在快节奏的现代商业环境中，会议是企业决策、创意碰撞和战略部署的核心场景。然而，传统会议记录方式常面临效率低、信息遗漏、回溯困难等痛点。如何确保会议内容被精准记录并高效利用？会议室专用录音芯片应运而生，以智能化、高保真、安全便捷的特性，成为企业高效办公的“隐形助手”。
Python项目--基于计算机视觉的手势识别控制系统
exlink2012的专栏
04-23 1386
随着人机交互技术的快速发展，传统的键盘、鼠标等输入设备已经不能满足人们对自然、直观交互的需求。手势识别作为一种非接触式的人机交互方式，具有操作自然、交互直观的特点，在智能家居、游戏控制、虚拟现实等领域有着广泛的应用前景。 本项目旨在开发一个基于计算机视觉的手势识别控制系统，通过摄像头捕获用户的手部动作，实时识别手势类型，并将识别结果转化为相应的控制命令，实现对计算机或其他设备的非接触式控制。
LibrePhotos本地部署打造个人云相册安全存储和分享家庭照片(1)
YYDsis的博客
04-24 998
手机里塞满了珍贵回忆，却担心一不小心就被偷看？别怕，今天我就教你一个绝招——使用自建私有云相册。这不仅比Google Photos更安全可控，还无需公网IP或域名，因为咱们有cpolar这个神器来帮忙打通内网壁垒！跟着我一起，让你的照片管理从此变得既酷又安全吧！
视频汇聚平台智能边缘分析一体机视频智能分析平台智能分析区域入侵检测算法
LntonCEC的博客
04-22 566
这种设备的广泛应用不仅能够提高安全防范的效率和准确性，还能够为各类场所的安全管理提供强大的支持和帮助，从而为社会的稳定和发展做出了积极的贡献。这种设备通过集成图像处理、智能识别和实时监测等先进技术，能够对特定区域内的入侵行为进行有效的监控和识别，从而及时地发现潜在的安全风险并采取适当的应对措施。智能边缘分析一体机的区域入侵检测功能能够提高安全监控系统的警戒性和反应速度，有效减少安全风险和事件发生的可能性，为各类场所（如公共场所、企业园区、仓库等）的安全管理带来极大的便利和帮助。
LabVIEW圆锥滚子视觉检测系统
bjcyck的博客
04-24 465
软件方面，采用LabVIEW和Vision Development Module进行图像处理和分析，软件架构设计以模块化为原则，便于后续的维护和升级。通过高效的硬件选型和优化的软件算法，系统能够快速准确地完成图像的采集、处理和分析。本视觉检测系统不仅提高了生产效率，还通过自动化检测显著提升了产品的一致性和质量。未来，该系统还可以根据具体的生产需求进行调整和优化，以适应更多的生产环境。通过集成高分辨率摄像头和先进的图像处理算法，系统能够自动识别和分类产品缺陷，从而减少人工检查需求，提高检测的准确性和速度。
人工智能与机器学习：二元分类决策树构建指南
最新发布
AI人工智能的学习之路
04-24 772
本文围绕构建用于二元分类的决策树展开。先介绍决策树的概念、结构及元素，以邮件欺诈检测为例说明其工作原理。接着讲解构建决策树的基尼不纯度指标，包括分类和连续变量的计算方法。最后给出Python实现，定义 DIYClassificationDecisionTree 类，包含超参数设置、数据划分、拟合及构建树等方法，助读者掌握决策树构建技巧。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

_Meilinger_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值