图像生成

FakeScope: Large Multimodal Expert Model for Transparent AI-Generated Image Forensics

FakeScope：大型多模态专家模型用于透明的AI生成图像取证

Yixuan Li, Yu Tian, Yipo Huang, Wei Lu, Shiqi Wang, Weisi Lin, Anderson Rocha

机构 * College of Computing, City University of Hong Kong（城市大学 computing 学院） ； School of Data Science and Artificial Intelligence, Chang’an University（长安大学数据科学与人工智能学院） ； School of Computer Science and Engineering, Ministry of Education Key Laboratory of Information Technology, Guangdong Province Key Laboratory of Information Security Technology, Sun Yat-Sen University（中山大学计算机科学与工程学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学 computing 与数据科学学院） ； Artificial Intelligence Lab. (Recod.ai) at the University of Campinas（坎皮纳斯大学人工智能实验室） 纠错

专题命中 其他图像生成 ：image generation(abstract)；分类 cs.CV

AI总结 FakeScope通过多模态专家模型提升AI生成图像的检测能力，提供可解释的取证分析，实现高精度识别与深入解释，具备零样本检测和跨生成器泛化能力。

Implementation of Quantum Implicit Neural Representation in Deterministic and Probabilistic Autoencoders for Image Reconstruction/Generation Tasks

在确定性和概率性自编码器中实现量子隐式神经表示用于图像重建/生成任务

Saadet Müzehher Eren

专题命中 其他图像生成 ：image generation(abstract)

AI总结 本文提出基于量子隐式神经表示（QINR）的自编码器和变分自编码器，用于图像重建和生成任务，通过在潜在空间中转换信息生成丰富特征，并展示QINR-VAE在图像生成中比量子生成对抗网络更稳定。