AI造出的假图片，恐怕很难再骗过AI了。

连英伟达本月刚上线的StyleGAN2也被攻破了。即使是人眼都分辨看不出来假脸图片，还是可以被AI正确鉴别。

最新研究发现，只要用让AI学会鉴别某一只GAN生成的假图片，它就掌握了鉴别各种假图的能力。

不论是GAN生成的，Deepfake的，超分辨率的，还是怎样得来的，只要是AI合成图片，都可以拿一个通用的模型检测出来。

尽管各种CNN的原理架构完全不同，但是并不影响检测器发现造假的通病。

只要做好适当的预处理和后处理，以及适当的数据扩增，便可以鉴定图片是真是假，不论训练集里有没有那只AI的作品。

这就是Adobe和UC伯克利的科学家们发表的新成果。

有网友表示，如果他们把这项研究用来参加Kaggle的假脸识别大赛，那么将有可能获得最高50万美元奖金。

然而他们并没有，而是先在ArXiv公布了预印本，并且还被CVPR 2020收录。

最近，他们甚至将论文代码在GitHub上开源，还提供了训练后的权重供读者下载。

造出7万多张假图

要考验AI鉴别假货的能力，论文的第一作者、来自伯克利的学生Wang Sheng-Yu用11种模型生成了不同的图片，涵盖了各种CNN架构、数据集和损失。

所有这些模型都具有上采样卷积结构，通过一系列卷积运算和放大操作来生成图像，这是CNN生成图像最常见的设计。

有ProGAN、StyleGAN、BigGAN、BigGAN、GauGAN等等，这些GAN各有特色。

ProGAN和StyleGAN为每个类别训练不同的网络；StyleGAN将较大的像素噪声注入模型，引入高频细节；BigGAN具有整体式的类条件结构；进行图像转换的GauGAN、CycleGAN、StarGAN。

除了GAN以外，还有其他处理图片的神经网络：

直接优化感知损失 ，无需对抗训练的级联细化网络（CRN）；

条件图像转换模型隐式最大似然估计（IMLE）；

改善低光照曝光不足的SITD模型；

超分辨率模型，即二阶注意力网络（SAN）；

用于换脸的的开源DeepFake工具faceswap。

主流图片处理CNN模型应有尽有，他们总共造出了7万多张“假图”。

虽然生成这些图片所用的算法大相径庭、风格迥异，但是总有会有一些固有缺陷，这里面既有CNN本身的问题，也有GAN的局限性。

这是因为常见的CNN生成的内容降低了图片的表征能力，而这些工作大部分集中在网络执行上采样和下采样的方式上。下采样是将图像压缩，上采样是将图像插值到更大的分辨率上。

之前，Azulay和Weiss等人的研究表明，表明卷积网络忽略了经典的采样定理，而跨步卷积（strided convolutions）操作减少了平移不变性，导致很小的偏移也会造成输出的极大波动。

另外，朱俊彦团队发表在ICCV 2019上的论文表明，GAN的生成能力有限，并分析了预训练GAN无法生成的图像结构。

今年7月，哥伦比亚大学的Zhang Xu等人进一步发现了GAN的“通病”，常见GAN中包含的上采样组件会引起伪像。

他们从理论上证明了，这些伪像在频域中表现为频谱的复制，这在频谱图上表现十分明显。

比如同样是一张马的图片，真实照片的信号主要集中在中心区域，而GAN生成的图像，频谱图上出现了四个小点。

因此他们提出了一种基于频谱而不是像素的分类器模型，在分辨假图像上达到了最先进的性能。

而Wang同学发现，不仅是GAN，其他的CNN在生成图像时，也会在频谱图中观察到周期性的图案。

训练AI辨别真伪

刚才生成的数据集，包含了11个模型生成的假图。

不过，真假分类器并不是用这个大合集来训练的。

真正的训练集里，只有英伟达ProGAN这一个模型的作品，这是关键。

ProGAN过往作品展

团队说，只选一个模型的作品用来训练，是因为这样的做法更能适应现实任务：

现实世界里，数据多样性永远是未知的，你不知道自己训练出的AI需要泛化到怎样的数据上。所以，干脆就用一种模型生成的图像来训练，专注于帮AI提升泛化能力。

而其他模型生成的作品，都是测试泛化能力用的。（如果用很多模型的假图来训练，泛化任务就变得简单了，很难观察出泛化能力有多强。）

具体说来，真假分类器是个基于ResNet-50的网络，先在ImageNet上做了预训练，然后用ProGAN的作品做二分类训练。

ProGAN原理

不过，训练集不是一只ProGAN的作品。团队用了20只ProGAN，每只负责生成LSUN数据集里的一个类别。一只ProGAN得到3.6万张训练用图，200张验证用图，一半是生成的假图，一半是真图。

把20只ProGAN的成果加在一起，训练集有72万张，验证集有4000张。

为了把单一数据集的训练成果，推广到其他的数据集上，团队用了自己的方法：

最重要的就是数据扩增。先把所有图像左右翻转，然后用高斯模糊，JPEG压缩，以及模糊+JPEG这些手段来处理图像。

扩增手段并不特别，重点是让数据扩增以后处理的形式出现。团队说，这种做法带来了惊人的泛化效果。

训练好了就来看看成果吧。

明辨真伪

研究人员主要是用平均精度（Average Precision）这个指标，来衡量分类器的表现。

在多个不同的CNN模型生成的图片集里，ProGAN训练出的分类器都得到了不错的泛化：

几乎所有测试集，AP分值都在90以上。只在StyleGAN的分值略低，是88.2。

不论是GAN，还是不用对抗训练、只优化感知损失的模型、还是超分辨率模型，还是Deepfake的作品，全部能够泛化。

团队还分别测试了不同因素对泛化能力产生的影响：

一是，数据扩增对泛化能力有所提升。比如，StyleGAN从96.3提升到99.6，BigGAN从72.2提升到88.2，GauGAN从67.0提升到98.1等等。更直观的表格如下，左边是没有扩增：

另外，数据扩增也让分类器更加鲁棒了。

二是，数据多样性也对泛化能力有提升。还记得当时ProGAN生成了LSUN数据集里20个类别的图片吧。大体上看，用越多类别的图像来训练，得到的成绩就越好：

然后，再来试想一下，这时候如果突然有个新模型被开发出来，AI也能适应么？

这里，团队用了刚出炉没多久的英伟达StyleGAN2，发现分类器依然可以良好地泛化：

最后，还有一个问题。

AI识别假图，和人类用肉眼判断的机制一样么？

团队用了一个“Fakeness（假度）”分值，来表示AI眼里一张图有多假。AI觉得越假，分值越高。

实验结果是，在大部分数据集里，AI眼里的假度，和人类眼里的假度，并没有明显的相关性。

只在BigGAN和StarGAN两个数据集上，假度分值越高时，能看到越明显的瑕疵。

更多数据集上没有这样的表现，说明分类器很有可能更倾向于学习低层的缺陷，而肉眼看到的瑕疵可能更偏向于高层。

安装使用

说完了论文，下面我们就可以去GitHub上体验一下这个模型的厉害了。

论文源代码基于PyTorch框架，需要安装NVIDIA GPU才能运行，因为项目依赖于CUDA。

首先将项目克隆到本地，安装依赖项。

pip install -r requirements.txt

考虑到训练成本巨大，作者还提供权重和测试集下载，由于这些文件存放在Dropbox上不便国内用户下载，在我们公众号中回复CNN即可获得国内网盘地址。

下载完成后将这两个文件移动到weights目录下。

然后我们就可以用来判别图像的真假了：

# Model weights need to be downloaded.python demo.py examples/real.png weights/blur_jpg_prob0.1.pthpython demo.py examples/fake.png weights/blur_jpg_prob0.1.pth

如果你有能力造出一个自己的GAN，还可以用它来检测你模型的造假能力。

# Run evaluation script. Model weights need to be downloaded.python eval.py

作者就用它鉴别了13种CNN模型制造的图片，证明了它的泛化能力。