新方法利用噪声残差和聚类检测合成图像

研究人员开发了一种新颖的、无需训练的合成图像检测方法，通过分析噪声残差指纹。该方法利用预训练的Noiseprint++模型提取这些指纹，然后使用冻结的Vision Transformer (ViT)进行特征提取和自适应加权融合。最后，采用无监督K-Means聚类，并使用少量真实图像样本来区分真实图像和合成图像，在基准数据集上实现了82.2%的平均准确率，并展示了优越的泛化能力，尤其是在对抗扩散生成图像方面。 AI

影响 这种无需训练的检测方法可以通过提供一种更易于访问和更具泛化性的识别人工智能生成内容的方式，来提高数字图像的安全性和可信度。

排序理由 该条目是一篇学术论文，详细介绍了一种新的合成图像检测方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• k-means clustering
• Noiseprint++
• ScienceCast
• vision transformer

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →