- 博客(12)
- 收藏
- 关注
RSS订阅原创 ICCV：LEGION: Learning to Ground and Explain for Synthetic Image Detection
具体而言，给定输入图像I₀，首先使用我们的LEGION框架进行图像伪造分析，并将反馈组织成区域级的三元组集合A，其中每个区域表示为(Lᵢ, Mᵢ, Eᵢ)，L、M、E分别代表位置、掩码和解释。在标注上，采用不规则多边形掩码来标注合成图像中的伪影，相比点标注能更精确地定位任何形状、大小或位置的伪影，并引入精细的伪影分类（物理、畸变、结构三类），以系统化、清晰地标注不同伪影类型。通过构建基于图像再生和修复的优化流程，利用模型的检测和解释能力为生成模型提供反馈，从而逐步消除伪影，生成更真实、自然的图像。
2026-02-04 14:38:52
679
原创 Orthogonal Subspace Decomposition for Generalizable AI-Generated ImageDetection
这篇文章主要提出了一种名为。
2026-02-02 16:41:41
686
原创 CO-SPY: Combining Semantic and Pixel Features to Detect Synthetic Images by AI
生成式AI快速发展，合成图像质量高、速度快，但存在被用于制造假新闻等滥用风险。所以要开发更通用、更鲁棒的合成图像检测方法，以应对最新模型和各种真实场景下的挑战。：关注图像内容（如手部轮廓）。对，但。：关注像素级纹理伪影（如上采样引入的痕迹）。，但，性能下降显著。为了深入理解其优缺点，研究评估了两种最新的语义检测器（Fusing和UnivFD）以及两种伪影检测器（LNP和NPR），使用DRCT-2M/SDv1.4数据集进行训练，并使用Co-SPyBENCH进行评估。
2026-01-30 15:01:08
580
原创 [ICCV】Forensic-MoE: Exploring Comprehensive Synthetic Image Detection Traceswith Mixture of Experts
这篇文章提出了一种名为。
2026-01-29 14:10:38
595
原创 ForgeLens_ Data-Efficient Forgery Focus for Generalizable Forgery Image Detection
这篇文章介绍了一种名为ForgeLens的通用伪造图像检测框架，与clip相关。
2026-01-26 16:53:58
570
原创 ICML: PiD_ Generalized AI-Generated Images Detection with Pixelwise Decomposition_Residuals
提出了一种名为PiD的、基于像素级分解残差的AI生成图像通用检测方法。
2026-01-22 16:29:26
727
原创 FerretNet_ Efficient Synthetic Image Detection via Local Pixel Dependencies
介绍了一种名为FerretNet的、用于高效检测合成图像的新方法。
2026-01-22 12:09:02
792
原创 Towards Universal AI-Generated Image Detection by Variational Information Bottleneck Network
提出了一种名为VIB-Net的通用检测方法。
2026-01-21 15:24:38
192
原创 Secret Lies in Color_ Enhancing AI-Generated Images Detection with_Color Distribution Analysis
利用合成图像与真实图像在颜色分布均匀性上的差异进行鉴别。
2026-01-21 11:09:51
180
原创 Forensic Self-Descriptions 文章阅读
这篇文章提出了一种名为“取证自描述”的新方法，用于检测和溯源AI生成的图像。该方法的核心思想是，无论是相机还是AI生成器，都会在图像中留下独特的、像素级的统计“取证显微结构”。文章通过一种仅使用真实图像的自监督过程，学习一组多样化的预测滤波器来提取包含这些显微结构的残差。然后，通过一个紧凑的参数模型对这些多尺度残差进行联合建模，其参数构成了每张图像唯一的“取证自描述”。
2026-01-20 17:18:45
678
原创 【无标题】
DPC++是Data Parallel C++（数据并行C++）的首字母缩写，它是Intel为了将SYCL引入LLVM和oneAPI所开发的开源项目。SYCL是为了提高各种加速设备上的编程效率而开发的一种高级别的编程模型，简单来说它是一种跨平台的抽象层，用户不需要关心底层的加速器具体是什么，按照标准编写统一的代码就可以在各种平台上运行。default_selector_v为选择最佳的可用设备,在DevCloud中无GPU设备，故使用的是CPU，可以在本地编译器上尝试选择GPU，结果可以参考下图。
2023-06-15 10:45:04
111
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人