1 引言：

在這個AIGC爆發(fā)的時代，人人都可以利用AI算法生成高質量的文本，圖像，音頻內容。其中，由Midjourney, Stable Diffusion等圖像生成方法制作的圖像，其逼真程度讓人贊嘆。人眼已經(jīng)難以對其真假進行區(qū)分了。這不禁喚起了人們的隱憂：大量虛假圖片將會在互聯(lián)網(wǎng)上廣泛傳播。虛假圖片的泛濫會引發(fā)多種社會安全問題。例如，虛假新聞會擾亂社會秩序，混淆視聽。惡意的人臉圖片造假則會引發(fā)金融欺詐，造成信任危機。例如，下圖為Midjourney生成的特朗普被捕圖片。這類圖片在社交媒體上廣泛傳播，對政治領域造成了不良影響。因此，對這些AI生成的圖像進行有效監(jiān)管是非常有必要的。

圖2 AI生成的特朗普被捕圖片，來源于https://news.sina.com.cn/c/2023-04-15/doc-imyqmchz0199110.shtml

考慮到人眼已經(jīng)難以對真假圖片進行區(qū)分，我們急需一種AI生成圖像檢測器以區(qū)分AI制作的圖像和真實的圖像。然而，現(xiàn)在大規(guī)模數(shù)據(jù)集的缺失妨礙了檢測器的開發(fā)。因此，我們提出了百萬量級的GenImage數(shù)據(jù)集，致力于構建AIGC時代的ImageNet。

2 數(shù)據(jù)集介紹：

表1 虛假圖片檢測數(shù)據(jù)集概覽

過去業(yè)界也有推出一些數(shù)據(jù)集。他們主要有三個特點。第一個是數(shù)據(jù)規(guī)模小，第二個是都是基于GAN的，第三個是局限于人臉數(shù)據(jù)。隨著時間推移，數(shù)據(jù)規(guī)模慢慢地在增加，生成器也從GAN時代過渡到Diffusion時代，數(shù)據(jù)的范圍也在增加。但是一個大規(guī)模的，以Diffusion模型為主的，涵蓋各類通用圖像的數(shù)據(jù)集仍然是缺失的。

基于此，我們提出一個對標imagenet的genimage數(shù)據(jù)集。真實的圖片采用了ImageNet。虛假的圖片采用ImageNet的標簽進行生成。我們利用了八個先進的生成器來生成，分別是Midjourney, Stable Diffusion V1.4, Stable Diffusion V1.5, ADM, GLIDE, Wukong，VQDM和BigGAN。這些生成器生成的圖片總數(shù)基本與真實圖片一致。每個生成器生成的圖片數(shù)量也基本一致。每一類生成的圖片數(shù)量基本一致。

這個數(shù)據(jù)集具有以下優(yōu)勢：

1. 大量的數(shù)據(jù)：超過百萬對圖片對。

2. 豐富的圖片內容：利用ImageNet進行構建，具有豐富的標簽
3. 先進的生成器：覆蓋Midjourney, Stable Diffusion等Diffusion生成器。

在真實世界中檢測器往往會遇到各種各樣的困難。我們經(jīng)過實驗發(fā)現(xiàn)，檢測器往往在兩種情況下性能下降嚴重。第一種是面對訓練集中未出現(xiàn)的生成器生成的圖片時。第二種是面對退化的圖像。例如，CNNSpot在Stable Diffusion V1.4上訓練后，在Midjourney上測試僅有52.8的準確率。當訓練和測試生成器同為Stable Diffusion V1.4，在面對模糊的圖像時，CNNSpot準確率僅僅為77.9。基于此，我們在這個數(shù)據(jù)集基礎上對檢測器提出兩個挑戰(zhàn)：

1. 交叉生成器：檢測器在一種生成器生成的數(shù)據(jù)上訓練，在其他生成器生成的數(shù)據(jù)上驗證。這個任務目的是考察檢測器在不同生成器上的泛化能力。

2. 退化圖像識別：檢測器需要對于低分辨率，模糊和壓縮圖像進行識別。這個任務主要考察檢測器在真實條件（如互聯(lián)網(wǎng)上傳播）中面對低質量圖像時的泛化問題。

我們相信這個數(shù)據(jù)集的提出將大大有助于人們開發(fā)AI生成圖片檢測器。

3 實驗：

我們做了一些實驗來考察這個數(shù)據(jù)集，我們發(fā)現(xiàn)在某個生成器上訓練的ResNet-50模型在其他的測試準確率會明顯降低。然而在真實情況下我們難以得知遇到的圖像的生成器是什么。因此檢測器對于不同生成器生成圖片的泛化能力很重要。

表2 使用ResNet 50在不同生成器上交叉驗證

我們對比了現(xiàn)有方法在Stable Diffusion V1.4上訓練，然后在各種生成器上測試的結果，見圖3。我們也評測了各種生成器上訓練，然后在各種生成器上測試的結果。見圖4。圖4中，Testing Subset那一列中的每一個數(shù)據(jù)點，都是在八個生成器上訓練，然后在一個生成器上測試得到的平均結果。然后我們將這些測試集上的結果平均，得到最右側的平均結果。

表3 在Stable Diffusion V1.4上訓練，不同測試集上測試

表4 在不同生成器上訓練，不同測試集上測試

我們對測試集進行退化處理，采用不同參數(shù)下的低分辨率，JPEG壓縮和高斯模糊，評測結果如下

表5 在不同退化圖像上驗證結果

那么采集這么多數(shù)據(jù)是不是有用呢？我們做了相關實驗，證明通過提升數(shù)據(jù)類比和每類的圖片數(shù)量，我們是可以提高性能的。

表6 提升圖片數(shù)量的結果

針對GenImage數(shù)據(jù)集對于不同圖片的泛化能力，我們發(fā)現(xiàn)他對于人臉和藝術類圖片也能達到很好的效果。

表7 泛化到藝術類和人臉類圖片的結果

圖3 測試所用的藝術類和人臉類圖片展示

4 展望

隨著AI生成圖片能力的不斷提升，對于AI生成的圖片實現(xiàn)有效檢測的需求將會越來越迫切。本數(shù)據(jù)集致力于為真實環(huán)境下的生成圖片檢測提供有效訓練數(shù)據(jù)。我們使用ResNet-50在本數(shù)據(jù)集中訓練，然后在真實推文中進行檢測。如下圖4，ResNet-50能夠有效識別真圖和假圖。這個結果證明了GenIamge可以用于訓練模型以判別真實世界的虛假信息。我們認為，該領域未來值得努力的方向是不斷提升檢測器在GenImage數(shù)據(jù)集上的準確率，并進而提升其在真實世界面對虛假信息的能力。

圖4.1 真實推文展示(真圖)

圖4.2 真實推文展示（假圖）