Prior-Conditioned Gaussian Discriminant
一种无需额外训练、仅通过计算图像特征的均值和方差就能区分真实照片与AI生成图像的统计规则。
简单来说
Prior-Conditioned Gaussian Discriminant 是一种不需要重新训练程序、只靠比较几个数字就能判断照片是真实拍摄还是AI生成的方法。
打个比方。假设一家服装店,不是每次都要培训新员工来区分新款和库存商品,而是有一台机器能自动测量衣服的尺寸、颜色和材质。如果事先算出"新款"群体和"库存"群体的数字分别聚集在哪里,那么新到的衣服只需测量它离哪个群体更近,就能判断归类。Prior-Conditioned Gaussian Discriminant 也是同样的原理:直接使用已有的图像识别程序提取出的特征值,只计算真实照片和AI图像各自的均值和离散程度,来判断新图像更接近哪一方。
不过这种方法也有局限:结果好坏很大程度上取决于事先用哪批照片来计算均值。参照的照片一旦改变,即便是同一种方法,结果也会跟着波动,所以这一条统计规则并不能说完全覆盖所有情况。
在报道中是这样出现的
据报道,Sakana AI 的研究人员表示,在先验分布和编码器都保持一致的条件下,这种完全不需要训练过程的统计规则,表现与经过训练的检测器相当,有时甚至更好。与常见的误解不同,这并不意味着这种方法能完全取代神经网络训练;关键在于它免费重复利用了一个已经训练良好的图像识别模型的特征空间,只是在此基础上加上了统计计算而已。