【儀表網(wǎng) 儀表研發(fā)】計(jì)算機(jī)渲染技術(shù)和生成對(duì)抗網(wǎng)絡(luò)(generative adversarial networks，GAN)的快速發(fā)展，使計(jì)算機(jī)生成圖像(Computer-generated，CG)質(zhì)量越來(lái)越高、越來(lái)越逼真，與相機(jī)拍攝獲取的真實(shí)圖像(Photographic，PG)之間的區(qū)別越來(lái)越小。高質(zhì)量CG圖像被惡意使用會(huì)帶來(lái)信息安全隱患，例如利用逼真的CG圖像制造的虛假新聞可能會(huì)引起群眾恐慌。因此，研究計(jì)算機(jī)生成圖像鑒別方法具有意義。
 

　　近期，中國(guó)科學(xué)院自動(dòng)化研究所視頻內(nèi)容安全團(tuán)隊(duì)構(gòu)建了一個(gè)包含14萬(wàn)張圖片的大規(guī)模計(jì)算機(jī)生成圖像數(shù)據(jù)集(Large-Scale CG images Benchmark，NLPR-LSCGB)，并提出一種魯棒的基于紋理感知的CG圖像鑒別方法。相比于現(xiàn)有數(shù)據(jù)集數(shù)據(jù)量小、內(nèi)容單一等局限，NLPR-LSCGB圖像數(shù)據(jù)集具有三方面優(yōu)勢(shì)：規(guī)模大，數(shù)據(jù)集包含71168張生成圖像和71168張自然圖像，比以往的數(shù)據(jù)集大兩個(gè)數(shù)量級(jí)；多樣性高，包含從245種不同的場(chǎng)景中收集不同的渲染技術(shù)生成的計(jì)算機(jī)圖像；偏差小，生成圖像和自然圖像在顏色、亮度、色調(diào)和飽和度分布上都非常接近。
 

　　基于該數(shù)據(jù)集，科研人員通過(guò)大量實(shí)驗(yàn)發(fā)現(xiàn)，自然圖像和計(jì)算機(jī)生成圖像區(qū)別存在于圖像的紋理細(xì)節(jié)中，由此進(jìn)一步提出了一種多尺度紋理感知的計(jì)算機(jī)生成圖像鑒別模型。該模型首先基于圖像特征之間的相關(guān)性進(jìn)行紋理增強(qiáng)，再通過(guò)GRAM矩陣進(jìn)一步提取紋理特征，然后將多個(gè)紋理提取模塊應(yīng)用于特征提取網(wǎng)絡(luò)的不同層以提取多尺度紋理特征。最后基于多尺度紋理特征進(jìn)行計(jì)算機(jī)生成圖像的判別。該方法在已有的數(shù)據(jù)庫(kù)及NLPR-LSCGB大規(guī)模數(shù)據(jù)集中性能都超過(guò)了現(xiàn)有的方法，證明了算法的有效性。
 

　　相關(guān)成果發(fā)表于IEEE Transactions on Image Processing。研究得到科技創(chuàng)新2030“新一代人工智能”重大項(xiàng)目、國(guó)家自然科學(xué)基金聯(lián)合基金重點(diǎn)項(xiàng)目支持。