Στόχος είναι η μελέτη, η αποτίμηση (ή και η ανάπτυξη νέων) ανιχνευτών συνθετικών εικόνων, οι οποίες παράγονται από μοντέλα διάχυσης.

Τα μοντέλα διάχυσης (diffusion models - DMs) χρησιμοποιούνται στην παραγωγή τεχνητών εικόνων, και έχουν ξεπεράσει σε ποιότητα και ποικιλία τα GANs (Generative Adversarial Networks). Έχουν χρησιμοποιηθεί σε συστήματα παραγωγής εικόνων από κείμενο, όπως τα DALL∙E 2, Imagen και Stable Diffusion.

Παρέχονται λοιπόν εξαιρετικές δυνατότητες με πολλά πεδία εφαρμογής, από τις τέχνες έως τα video games. Ταυτόχρονα, όμως, τα συστήματα αυτά αποτελούν σημαντικό εργαλείο στα χέρια κακόβουλων χρηστών, οι οποίοι μπορούν να παράγουν και να διανείμουν πλαστές εικόνες (deepfakes) που να εξυπηρετούν τους σκοπούς τους.

Η έρευνα γύρω από την αποδοτική ανίχνευση πλαστών εικόνων (deepfakes detection) είναι περιορισμένη. Δεν είναι ξεκάθαρο αν οι υπάρχοντες ανιχνευτές, οι οποίοι έχουν κυρίως δημιουργηθεί για ανίχνευση GAN-generated εικόνων, μπορούν να ανταποκριθούν στην περίπτωση των DM-generated εικόνων, οι οποίες δεν περιέχουν εύκολα ανιχνεύσιμα artifacts, όπως οι GAN-generated. Σίγουρα υπάρχει η ανάγκη γενικευμένων ανιχνευτών, οι οποίοι να δουλεύουν για διάφορα είδη συνθετικών εικόνων.

Στα πλαίσια της συγκεκριμένης διπλωματικής εργασίας, θα μελετηθούν και θα αποτιμηθούν υπάρχοντες ανιχνευτές και πιθανόν να αναπτυχθούν νέοι με βάση τα χαρακτηριστικά των DM-generated εικόνων.

Σήματα και Συστήματα,  Ψηφιακή Επεξεργασία Εικόνας

Αυτές που προσφέρονται από τα παραπάνω μαθήματα.

https://arxiv.org/pdf/2211.00680.pdf