PulseAugur
中
实时 07:27:44
English(EN) DinoLizer: Separating VAE and Diffusion Artifacts in Generative Inpainting Localization

DinoLizer模型以20%的更高准确率识别生成性修复伪影

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了DinoLizer，一种用于识别生成性修复中被操纵区域的新方法。这种基于DINOv2的本地化器通过关注语义改变的区域，比现有方法实现了20%更高的交并比（Intersection over Union）分数。DinoLizer使用LORA在Transformer块上进行训练，并证明了其对JPEG压缩的鲁棒性，其代码已公开提供。 AI

影响 增强了对AI生成图像操纵的检测能力，提高了内容真实性验证。

排序理由 该集群描述了一篇详细介绍新型图像操纵检测模型的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

DinoLizer模型以20%的更高准确率识别生成性修复伪影

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Minh Thong Doi (IMT Nord Europe, CRIStAL), Vincent Itier (IMT Nord Europe, CRIStAL), Jan Butora (CRIStAL), J\'er\'emie Boulanger (CRIStAL), Patrick Bas (CRIStAL) ·

    DinoLizer：在生成式图像修复定位中分离VAE和扩散伪影

    arXiv:2511.20722v2 Announce Type: replace Abstract: We introduce DinoLizer, a DINOv2-based localizer of manipulated areas in generative inpainting. The model is trained to focus on semantically altered regions by treating reconstructed areas outside the inpainted mask as a separa…

相关实体

相关话题