【儀表網(wǎng) 儀表研發(fā)】計算機渲染技術(shù)和生成對抗網(wǎng)絡(generative adversarial networks，GAN)的快速發(fā)展，使計算機生成圖像(Computer-generated，CG)質(zhì)量越來越高、越來越逼真，與相機拍攝獲取的真實圖像(Photographic，PG)之間的區(qū)別越來越小。高質(zhì)量CG圖像被惡意使用會帶來信息安全隱患，例如利用逼真的CG圖像制造的虛假新聞可能會引起群眾恐慌。因此，研究計算機生成圖像鑒別方法具有意義。
近期，中國科學院自動化研究所視頻內(nèi)容安全團隊構(gòu)建了一個包含14萬張圖片的大規(guī)模計算機生成圖像數(shù)據(jù)集(Large-Scale CG images Benchmark，NLPR-LSCGB)，并提出一種魯棒的基于紋理感知的CG圖像鑒別方法。相比于現(xiàn)有數(shù)據(jù)集數(shù)據(jù)量小、內(nèi)容單一等局限，NLPR-LSCGB圖像數(shù)據(jù)集具有三方面優(yōu)勢：規(guī)模大，數(shù)據(jù)集包含71168張生成圖像和71168張自然圖像，比以往的數(shù)據(jù)集大兩個數(shù)量級；多樣性高，包含從245種不同的場景中收集不同的渲染技術(shù)生成的計算機圖像；偏差小，生成圖像和自然圖像在顏色、亮度、色調(diào)和飽和度分布上都非常接近。
基于該數(shù)據(jù)集，科研人員通過大量實驗發(fā)現(xiàn)，自然圖像和計算機生成圖像區(qū)別存在于圖像的紋理細節(jié)中，由此進一步提出了一種多尺度紋理感知的計算機生成圖像鑒別模型。該模型首先基于圖像特征之間的相關性進行紋理增強，再通過GRAM矩陣進一步提取紋理特征，然后將多個紋理提取模塊應用于特征提取網(wǎng)絡的不同層以提取多尺度紋理特征。最后基于多尺度紋理特征進行計算機生成圖像的判別。該方法在已有的數(shù)據(jù)庫及NLPR-LSCGB大規(guī)模數(shù)據(jù)集中性能都超過了現(xiàn)有的方法，證明了算法的有效性。
相關成果發(fā)表于IEEE Transactions on Image Processing。研究得到科技創(chuàng)新2030“新一代人工智能”重大項目、國家自然科學基金聯(lián)合基金重點項目支持。
所有評論僅代表網(wǎng)友意見，與本站立場無關。