DiffCoR: Exposing AI-Generated Image by Using Stable Diffusion Model Based on Consistent Representation Learning

Van-Nhan Tran

doi:10.1109/OJCS.2025.3575507

DiffCoR: Exposing AI-Generated Image by Using Stable Diffusion Model Based on Consistent Representation Learning

2025-01-01

0

OA

AI

DOI：10.1109/OJCS.2025.3575507

原文链接

原文求助

摘要

En 中文

基于扩散的生成模型显著推动了图像合成领域的发展，同时也对数字图像的完整性和真实性带来了额外挑战。因此，AI生成图像的识别已成为图像取证中的一个关键问题。然而，目前缺乏针对扩散模型生成图像检测的文献研究。本文的重点是开发一种能够检测通过GAN技术和扩散模型生成图像的模型。我们提出了DiffCoR，一种用于识别AI生成图像的新型检测方法。该方法包含两个主要模块：稳定扩散处理（SDP）和图像表示学习（IRL）。SDP模块利用预训练的Stable Diffusion模型通过反向扩散重建输入图像，并通过重建差异捕捉细微操纵痕迹。IRL模块采用带有Latent Consistency Loss（LCL）的自监督学习提取鲁棒、不变的特征，确保在增强视图下保持一致的潜在表示。我们还引入了使用离散傅里叶变换（DFT）的频域分析，以增强操纵检测能力。此外，我们引入了ForensicsImage，一个公开可用的包含超过40万张来自LSUN-Bedroom、CelebA-HQ、CelebDFv2以及各种扩散模型的真人和AI生成图像的数据集。在ForensicsImage和GenImage上的实验表明，DiffCoR实现了最先进的性能，并具备强大的跨数据集泛化能力，使其适用于数字取证、内容验证和社交媒体审核等实际应用场景。

Keyword:

Multimedia forensics

image forensics

representation learning

generative AI

deep learning

DiffCoR: Exposing AI-Generated Image by Using Stable Diffusion Model Based on Consistent Representation Learning

摘要

期刊

机构