| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2024-03-02 14:00 ［ポスター講演］スパースコーディングを用いたAI生成画像の識別 ○田中大志・新見道治（九工大）  EMM2023-89 |
|
| 抄録 | （和） | 近年生成AIの技術の向上により，人の視覚でも，本物の画像か，生成AIを用いてテキストから生成させた画像かを判別することは難しく，意図的に偽の情報を含んだ生成画像が拡散されるケースが増えており，AI生成画像検出に注目が集まってきている．また，画像生成AIの技術向上の原因の一つである拡散モデルでは，ノイズ画像からノイズを取り除いていくことによって画像を生成することができる．この自然画像とは異なる生成方法から，視覚的に判別が難しくても，画像の小さいパッチ領域において，生成画像特有の特徴が見つかる可能性を考えた．本稿ではこの考えを元に，生成画像の検出手法を提案する．具体的には，画像を小さいパッチ領域に分割し，全てのパッチ領域において基底画像を用いて再構成を行う．その際に計算される基底画像に対する係数において，スパースコーディングを用いてゼロを多く含むスパースな係数を求め，三つの特徴量を計算する．この三つの特徴量を入力とする識別器を学習することで，生成画像の判別を行う．実験では，拡散モデルであるDeepFloyd IFで生成した画像に対して本手法を適応した．結果として，単一カテゴリのデータセットにおいて高い精度が得られることを確認した． |
| （英） | In recent years, advancements in generative AI technologies have made it increasingly challenging for human vision to distinguish between real images and images generated using AI from text. There are an increasing number of cases in which generated images containing intentionally false information are being spread, and AI-generated image detection is attracting attention. Furthermore, the improvement in image generation AI, particularly through diffusion models, allows the creation of images by progressively removing noise from a random initial image. Despite the visual difficulty in distinguishing between natural and generated images, there is a potential to identify specific features unique to generated images, especially within small patch regions of an image. In this paper, we propose a method for detecting generated images based on this concept. Specifically, we divide an image into small patch regions and perform reconstruction using a basis image for each patch. We employ sparse coding to obtain sparse coefficients with many zeros when reconstructing the basis image, and calculate three distinctive features based on these coefficients. By training a classifier using these three features as input, we aim to discriminate between natural and generated images. In our experiments, we applied this method to images generated using the diffusion model DeepFloyd IF. The results demonstrate high accuracy in distinguishing generated images within a single-category dataset. | |
| キーワード | （和） | AI生成画像検出 / スパースコーディング / DeepFloyd IF / / / / / |
| （英） | AI-generated image detection / sparse coding / DeepFloyd IF / / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 407, EMM2023-89, pp. 1-6, 2024年3月. | |
| 資料番号 | EMM2023-89 | |
| 発行日 | 2024-02-24 (EMM) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | EMM2023-89 |
|
| 研究会情報 | |
| 研究会 | EMM |
| 開催期間 | 2024-03-02 - 2024-03-03 |
| 開催地（和） | 1日目：済州テクノパーク 2日目：済州経済通商振興院 |
| 開催地（英） | Day1:JEJU TECHNOPARK, Day2:JEJU Business Agency |
| テーマ（和） | 画質・音質評価，知覚・認知メトリクス，人間視聴覚システム，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | EMM |
| 会議コード | 2024-03-EMM |
| 本文の言語 | 日本語 |
| タイトル（和） | スパースコーディングを用いたAI生成画像の識別 |
| サブタイトル（和） | |
| タイトル（英） | Classification of AI generated images by sparse coding |
| サブタイトル（英） | |
| キーワード(1)（和/英） | AI生成画像検出 / AI-generated image detection |
| キーワード(2)（和/英） | スパースコーディング / sparse coding |
| キーワード(3)（和/英） | DeepFloyd IF / DeepFloyd IF |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 田中 大志 / Daishi Tanaka / タナカ ダイシ |
| 第1著者 所属（和/英） | 九州工業大学 (略称： 九工大) Kyushu Institute of Technology (略称： KIT) |
| 第2著者 氏名（和/英/ヨミ） | 新見 道治 / Michiharu Niimi / ニイミ ミチハル |
| 第2著者 所属（和/英） | 九州工業大学 (略称： 九工大) Kyushu Institute of Technology (略称： KIT) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-03-02 14:00:00 |
| 発表時間 | 120分 |
| 申込先研究会 | EMM |
| 資料番号 | EMM2023-89 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.407 |
| ページ範囲 | pp.1-6 |
| ページ数 | 6 |
| 発行日 | 2024-02-24 (EMM) |
[研究会発表申込システムのトップページに戻る]