WILD: a new in-the-Wild Image Linkage Dataset for synthetic image attribution
Created by
- Haebom
Category
Empty
저자
Pietro Bongini, Sara Mandelli, Andrea Montibeller, Mirko Casu, Orazio Pontorno, Claudio Ragaglia, Luca Zanchetta, Mattia Aquilina, Taiba Majid Wani, Luca Guarnera, Benedetta Tondi, Paolo Bestagini, Irene Amerini, Francesco Denatale, Sebastiano Battiato, Mauro Barni
개요
WILD는 합성 이미지 출처 식별 모델을 위한 강력한 훈련 및 벤치마킹 도구를 제공하도록 설계된 새로운 In-the-Wild 이미지 연결 데이터셋입니다. 10개의 인기 상용 생성기로 구성된 폐쇄 집합(10,000개 이미지)과 실제 환경을 시뮬레이션하는 10개의 추가 생성기로 구성된 개방 집합(10,000개 이미지)으로 구성됩니다. 각 생성기는 1,000개의 이미지로 표현되며, 이미지의 절반은 다양한 후처리 연산자를 통해 처리됩니다. WILD는 폐쇄 및 개방 집합 식별 및 검증, 후처리 및 적대적 공격에 대한 강력한 속성 부여 등 다양한 작업에서 속성 부여 모델의 벤치마킹을 가능하게 합니다. 또한, 폐쇄 및 개방 집합 속성 부여에 대한 7가지 기준 방법론에 대한 평가와 후처리에 대한 강건성 테스트 결과를 제시합니다.
시사점, 한계점
•
시사점:
◦
합성 이미지 출처 식별 모델의 훈련 및 벤치마킹을 위한 대규모, 다양한 데이터셋 제공
◦
폐쇄 및 개방 집합 식별, 후처리 및 적대적 공격에 대한 강건성 평가 가능
◦
다양한 생성 모델과 후처리 기법을 포함하여 현실적인 시나리오 반영
◦
기존 방법론에 대한 벤치마킹 결과 제공으로 향후 연구 방향 제시
•
한계점:
◦
데이터셋에 포함된 생성기의 종류가 제한적일 수 있음 (10개의 상용 생성기와 10개의 추가 생성기)
◦
실제 세계의 모든 합성 이미지 생성기를 포괄하지 못할 수 있음
◦
후처리 기법의 다양성에도 불구하고, 모든 가능한 후처리 기법을 포함하지 못할 수 있음
