.png){kind=icon}
返回
AI-generated image detection algorithm based on classical-quantum hybrid neural network
.png){kind=icon}
PRE
AI
DOI：10.1007/s11432-024-4475-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
生成式人工智能（AI）的进步带来了日益逼真的图像合成，从法证角度来看，这也催生了对于AI生成图像检测的需求。随着不同的深度生成模型不断涌现，实现跨各种深度生成模型的检测泛化能力至关重要。实现泛化能力的关键在于设计更好的特征提取与表示架构。值得注意的是，量子神经网络（QNN）由于其更大的表示空间和内在的并行性，已在特征提取方面展现出优越性能。因此，本文引入了一种精心设计的QNN，并将其与经典Swin Transformer V2结合，提出了一种基于经典-量子混合神经网络的AI生成图像检测算法。为了适应Swin Transformer的特征并充分利用QNN的纠缠特性，我们提出了基于交替层Ansatz（ALT）的QNN，该网络成功提供了高可训练性和丰富的表达能力。在具有不同训练样本规模的多种生成模型数据集上的广泛实验表明，在小样本训练条件下，混合神经网络能够实现强泛化能力，其整体检测准确率比经典神经网络高2%。此外，我们在OriginQ提供的“Wukong”72比特超导量子计算机上验证了混合神经网络的可实现性，其准确度与经典计算机模拟结果相近，证明了我们的模型在实际量子计算系统中是可行且有效的。
Keyword:
AI-generated image detection
quantum neural network
quantum computing
generative adversarial network
期刊
IF:
7.6
论文数:
4.9K
被引数:
8.9K
机构
引用论文
.png){kind=icon}
StarGAN: Unified Generative Adversarial Networks for Multi-domain Image-to-Image TranslationStarGAN: 用于多域图像到图像翻译的统一生成对抗网络
PREAI
分享收藏分享收藏
查看更多内容