用小 CNN 追踪图像生成源，准确率超 98%
kwangmoo_yi · x · 2026-08-20
论文「Scalable Black-Box Model Attribution for Images」提出 RPA 方法，仅需一个轻量级 CNN 即可在纯黑盒环境下可靠地识别图像是由哪个模型生成的。
核心方法：
- 将图像分割为 256×256 的重叠补丁，实现分辨率不变性。
- 小型 CNN（约 600 万参数）对每个补丁进行原始像素分类，打分判断其来源模型。
- 通过重叠修正的加权平均聚合所有补丁的投票，得出图像级标签。
性能表现：
- 在 25 类 DRAGON 数据集上准确率达 98.0%，27 类 OpenFake 上达 92.9%。
- 对压缩、模糊和缩放具有鲁棒性。
- 同一表示可用于无监督模型谱系恢复、检测未见过的生成器，并通过少样本适应新模型而无需重新训练。
所属事件:小型 CNN 黑盒识别图像生成源 准确率超 98%(2 条相关)→
「研究」频道最新
- Transformer 训练蝙蝠神经数据建成海马体"数字孪生",揭示未知群体活动结构 — patrickmineault · 2026-10-16
- RLM 发布一周年:递归语言模型让 GPT-5-mini 长上下文成绩翻倍且更省钱 — a1zhang · 2026-10-16
- MIT 博士 Sharut Gupta 入职 DeepMind,答辩 talk 被导师力荐 — phillip_isola · 2026-10-16
- 每图元仅 10 参数:36 个图元精准拟合 T-pose 人体 — letandrewcook · 2026-10-16
- 可解释性研究者泼冷水：模拟不了神经元就不算真正解释了它 — nabla_theta · 2026-10-16
- MLP-Splatting 论文开源:用光场原语替代高斯泼溅 — AjdDavison · 2026-10-16