Saskoro, R. Ahmad Fattah and Dr. Eng. Novanto Yudistira, S.Kom., M.Sc. and Tirana Noor Fatyanosa, S.Kom., M.Kom., Ph.D. (2024) Deteksi Gambar Sintetis Buatan Ai Dari Berbagai Generator Menggunakan Gated Expert Convolutional Neural Network. Sarjana thesis, Universitas Brawijaya.
Abstract
Penciptaan gambar sintetis telah mendapatkan perhatian besar dalam studi karena kecerdasan buatan (AI), khususnya model genartif tekskegambar, terus memperluas kemampuannya. Banyak sekali generator yang tersedia, masingmasing memiliki karakteristik uniknya sendiri, memberikan banyak pilihan kepada pengguna untuk menghasilkan gambar yang ingin mereka ciptakan. Meskipun kemajuan ini memberikan terobosan untuk menghasilkan gambar dengan menggunakan prompt, namun ada juga risiko penggunaannya untuk kejahatan atau perbuatan tidak jujur lainnya. Untuk mengurangi penyalahgunaan teknologi pembuatan gambar tersebut, para ilmuwan di seluruh dunia mencoba membuat model pembelajaran mesin yang dapat mengidentifikasi gambar yang dibuat oleh model generatif. Namun, klasifikasi yang sukses merupakan tantangan karena keragaman dan kompleksitas gambar yang dihasilkan oleh AI, yang disebabkan oleh banyaknya generator yang memiliki gaya uniknya masingmasing. Dalam makalah ini, kami menyarankan sebuah pendekatan yang didasarkan pada model Convolutional Neural Networks (CNN) untuk mengklasifikasikan fotofoto yang dihasilkan oleh AI yang berasal dari beberapa generator. Salah satu pendekatan terbaik adalah dengan mencampurkan seluruh data pelatihan menjadi satu dan melatihnya sebagai satu kesatuan. Kami mengusulkan jaringan saraf convolutional gated untuk efisiensi dan kinerja pelatihan yang lebih baik yang sedikit melampaui yang dilatih pada set data campuran. Melalui penilaian menyeluruh dan perbandingan dengan model CNN tunggal, kami menunjukkan kelebihan dan kekurangan beberapa metode dalam mengimprovisasi klasifikasi gambar yang dihasilkan oleh AI.
English Abstract
The creation of synthetic images has gained prominence in study as artificial intelligence (AI), especially texttoimages genartive model, continues to expand its capabilities. Vast amount of generators available, each having its own unique characteristic, giving the users a lot of choices to generate an images they want to create. While this advancement provides a breaktrough to generate images by using prompt, there is also a risk of its usages in crimes or other dishonest deeds. In order to mitigate that abuses of image generation technologies, scientist around the world tries to create a machine learning model that can identify an images created by a generative model. However, successful classification is challenging due to the diversity and complexity of AIgenerated images, caused by the sheer amount of generators having their own unique styles. In this paper, we suggest an approach that is based on Convolutional Neural Networks (CNNs) models to classify AIgenerated photos coming from multiple generators. One of the best approach is mixing the whole training data into one and train as a single entity. We propose gated convolutional neural network for better training efficiency and performance which slightly surpass the one trained on mixed dataset. By means of a thorough assessment and comparison with single CNN models, we demonstrate the advantages and disadvantages of several methods in improvising the classification of AIgenerated images.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0524150207 |
| Uncontrolled Keywords: | Gambar Sintetis Buatan AI, Convolutional Neural Network (CNN), Transfer Learning, Gated Network, Model Generatif, Klasifikasi Gambar-AIGenerated Images, Convolutional Neural Network (CNN), Transfer Learning, Gated Network, generative Model, Image Classification |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | soegeng Moelyono |
| Date Deposited: | 02 Apr 2024 01:28 |
| Last Modified: | 02 Apr 2024 01:28 |
| URI: | http://repository.ub.ac.id/id/eprint/216243 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
R Ahmad Fattah Saskoro.pdf Restricted to Registered users only Download (3MB) |
Actions (login required)
 |
View Item |