【儀表網 儀表研發】計算機渲染技術和生成對抗網絡(generative adversarial networks，GAN)的快速發展，使計算機生成圖像(Computer-generated，CG)質量越來越高、越來越逼真，與相機拍攝獲取的真實圖像(Photographic，PG)之間的區別越來越小。高質量CG圖像被惡意使用會帶來信息安全隱患，例如利用逼真的CG圖像制造的虛假新聞可能會引起群眾恐慌。因此，研究計算機生成圖像鑒別方法具有意義。
 

　　近期，中國科學院自動化研究所視頻內容安全團隊構建了一個包含14萬張圖片的大規模計算機生成圖像數據集(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。相比于現有數據集數據量小、內容單一等局限，NLPR-LSCGB圖像數據集具有三方面優勢：規模大，數據集包含71168張生成圖像和71168張自然圖像，比以往的數據集大兩個數量級；多樣性高，包含從245種不同的場景中收集不同的渲染技術生成的計算機圖像；偏差小，生成圖像和自然圖像在顏色、亮度、色調和飽和度分布上都非常接近。
 

　　基于該數據集，科研人員通過大量實驗發現，自然圖像和計算機生成圖像區別存在于圖像的紋理細節中，由此進一步提出了一種多尺度紋理感知的計算機生成圖像鑒別模型。該模型首先基于圖像特征之間的相關性進行紋理增強，再通過GRAM矩陣進一步提取紋理特征，然后將多個紋理提取模塊應用于特征提取網絡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行計算機生成圖像的判別。該方法在已有的數據庫及NLPR-LSCGB大規模數據集中性能都超過了現有的方法，證明了算法的有效性。
 

　　相關成果發表于IEEE Transactions on Image Processing。研究得到科技創新2030“新一代人工智能”重大項目、國家自然科學基金聯合基金重點項目支持。