改善合成图像检测的泛化能力:图像变换的视角
原文中文,约300字,阅读约需1分钟。发表于: 。本研究聚焦于合成图像检测(SID)的缺陷,识别了当前训练范式中的两种偏见:削弱的伪影特征和过拟合的伪影特征。提出了一种名为SAFE的轻量级检测器,通过简单的图像变换(如裁剪、颜色抖动和随机旋转)来增强局部感知,从而在开放世界数据集上实现了新的最先进的检测性能,准确性提高4.5%。
本文提出了一种利用反转开源预训练的稳定扩散模型获取特征的新型合成图像检测器。这个检测器在多个训练和评估设置上取得了新的最先进水平,并引入了一种新的具有挑战性的评估协议。