多模态纹理融合网络用于检测人工智能生成的图像
1School of Public Policy and Administration, Nanchang University, Nanchang, China.
Frontiers in artificial intelligence
|November 7, 2025
概括
检测人工智能生成的图像至关重要. 本研究介绍了一种使用RGB,局部二进制模式 (LBP) 和灰级共发生矩阵 (GLCM) 进行改进合成图像检测的新型多模式融合网络.
科学领域:
- 计算机科学 计算机科学
- 数字法医学数字法医学
- 人工智能的人工智能
背景情况:
- 人工智能产生的内容的扩散需要强大的方法来识别合成媒体.
- 确保媒体完整性在数字取证和打击错误信息方面至关重要.
研究的目的:
- 开发和评估一个新的多式联络融合网络,以加强对人工智能产生的图像的检测.
- 利用互补的纹理和内容信息来提高合成图像识别的准确性.
主要方法:
- 一个多模式的融合网络,集成RGB图像,局部二进制模式 (LBP) 地图和灰级共发生矩阵 (GLCM) 表示.
- 通过共享重量卷积骨干,并行处理输入流.
- 功能级融合以增强检测模型的区分能力.
主要成果:
- 拟议的核聚变框架显著优于现有的单模检测基线.
- 该方法在各种类型的AI生成模型中展示了强大的概括能力.
- 对基准数据集的实验验证证证了多模式方法的有效性.
结论:
- 开发的多模式融合网络为检测人工智能合成图像提供了有效和可靠的解决方案.
- 整合纹理和内容信息可以提高合成图像检测的稳定性.
- 该方法为数字取证和媒体完整性应用提供了一个可解释和有效的工具.
