- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[2019年IEEE国际图像处理会议(ICIP) - 中国台北(2019.9.22-2019.9.25)] 2019 IEEE国际图像处理会议(ICIP) - 基于双步配对学习的耦合网络生成图像检测
摘要： 随着生成对抗网络（GAN）的快速发展，如今只需一个低维随机向量就能轻松生成逼真照片。然而，这些生成图像可能被用于合成若干人物形象，其包含的激进内容可能对社会产生潜在影响。鉴于目前已有多种基于不同GAN技术生成逼真人脸图像的方法，要收集所有可能生成模型的训练图像十分困难；因此基于学习的方法无法有效检测出使用未涵盖生成模型制作的假图像。为克服这一缺陷，我们提出两步配对学习方法，通过不同生成模型产生的训练图像学习共性假特征。首先采用三元组损失模拟假图与真图的关系，用于学习判别特征以判定图像真伪；随后提出新型耦合网络精准捕捉假/真图像的局部与全局特征。实验结果表明，该方法在假人脸图像检测中优于基线监督学习方法。
关键词： 生成对抗网络、耦合网络、三元组损失、伪造检测、深度学习
更新于2025-09-12 10:27:22
-
利用期望最大化算法通过揭示阴影几何不一致性来检测图像伪造
摘要： 本研究提出了一种通过检测投射阴影几何不一致性来揭露图像伪造的新方法和数学框架。检测阴影不一致性的主要难点在于精确建立物体点与其对应阴影点之间的对应关系。针对该问题，我们提出一个数学框架来描述物体点与对应阴影点之间的几何变换关系。在假设物体点与阴影点存在粗略对应的基础上，采用期望最大化（EM）算法同步计算变换参数，并将粗略对应关系分类为内点或外点。为提升算法效率，我们通过引入一对多对应策略扩展原算法，以处理初始对应关系的歧义性。在包含伪造图像与真实图像的测试数据库中，一对一和一对多对应策略分别取得了84%和98%的准确率。
关键词： 阴影几何、EM算法、图像篡改、图像取证、伪造检测
更新于2025-09-10 09:29:36