SCADET:人工智能生成的艺术品的检测框架,集成动态频率注意力和对比光谱分析

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 数字法医学数字法医学

背景情况:

• 生成性AI的进步在验证人工智能生成的图像真实性方面带来了挑战.
• 将人工智能生成的图像与真实的图像区分开来,对于数字媒体的完整性至关重要.
• 现有的检测方法与各种人工智能生成技术和艺术风格作斗争.

研究的目的:

• 提出SCADET,这是人工智能生成图像的新型检测框架.
• 加强数字内容的真实性验证和原创性验证.
• 提高AI生成的图像检测在不同模型中的概括能力.

主要方法:

• SCADET集成了动态频率注意网络 (DFAN),用于自适应频率域分析.
• 根据图像艺术风格,DFAN可以动态调整注意力.
• 对比光谱分析网络 (CSAN) 使用对比学习来构建歧视性特征空间.

主要成果:

• 在AI-ArtBench数据集上,SCADET的AUC值为0.962 (完整图像) 和0.801 (局部图像).
• 与基线方法相比,显示了30.5%和34.4%的实质性改善.
• 保持稳定的跨模型性能,平均精度为0.81,在各种生成技术中差异较小.

结论:

• SCADET有效地检测到人工智能生成的图像,解决真实性和原创性的挑战.
• 该框架的组件,DFAN和CSAN,经过有效性验证.
• 结果推进了人工智能生成的内容检测,并为数字媒体真实性提供了洞察力.