实体
OpenFake
OpenFake
PulseAugur coverage of OpenFake — every cluster mentioning OpenFake across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的黑盒方法可准确归因生成式图像模型
研究人员开发了一种名为 Raw-Patch Attribution (RPA) 的新方法，用于识别生成给定图像的模型。该技术利用轻量级卷积神经网络 (CNN)，并在严格的黑盒设置下有效运行，这意味着它不需要访问生成模型的内部工作原理。与先前的方法相比，RPA 表现出更高的准确性和效率，能够以高精度成功归因 DRAGON 和 OpenFake 等模型。此外，RPA 提取的特征还可以用于其他任务，例如追踪模型谱系、对未见过的生成器进行分组…
-
新的轻量级CNN方法可准确归因生成图像模型
研究人员开发了一种名为原始斑块归因（RPA）的新型轻量级方法，用于识别生成图像的模型。与之前复杂的方法不同，RPA 使用简单的卷积神经网络（CNN），准确率很高，对于 DRAGON 模型达到 98.0%，对于 OpenFake 模型达到 92.9%。该方法效率高，对压缩和调整大小等常见图像处理具有鲁棒性，甚至可以对未见过的生成器进行分组或以最少的训练适应新模型。
-
新方法使用冻结视觉编码器检测AI图像
研究人员开发了一种使用预训练多模态视觉编码器检测AI生成图像的新方法。该方法利用了这些冻结编码器的嵌入空间中真实图像和合成图像的固有分离性，使得一个简单的线性分类器无需大量微调即可实现高精度。该方法还采用了一种数据策略，该策略使用一组紧凑的代表性生成器，从而得到一个更小的训练数据集，提高了对未见过生成器和分布变化的鲁棒性。