图像生成

Detecting Localized Deepfakes: How Well Do Synthetic Image Detectors Handle Inpainting?

检测局部深度伪造：合成图像检测器如何处理修补？

Serafino Pandolfini, Lorenzo Pellegrini, Matteo Ferrara, Davide Maltoni

机构 * University of Bologna, Italy（博洛尼亚大学） 纠错

专题命中 图像修复 ：inpainting(title,abstract)；分类 cs.CV

AI总结 本文评估了现有合成图像检测器在局部修补检测中的表现，发现训练于大规模生成器数据的模型能有效检测中等和大区域的修补，优于现有方法。

Comments 17 pages, 5 figures, 9 tables

Deep generative priors for 3D brain analysis

深度生成先验用于3D脑分析

Ana Lawry Aguila, Dina Zemlyanker, You Cheng, Sudeshna Das, Daniel C. Alexander, Oula Puonti, Annabel Sorby-Adams, W. Taylor Kimberly, Juan Eugenio Iglesias

机构 * Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School（阿提诺拉A.马丁诺斯生物医学成像中心、麻省总医院和哈佛医学院） ； Department of Neurology, Massachusetts General Hospital（麻省总医院神经科） ； Hawkes Institute, University College London（霍克斯研究所、伦敦大学学院） ； Danish Research Centre for Magnetic Resonance Department of Radiology and Nuclear Medicine, Copenhagen University Hospital – Amager and Hvidovre（丹麦磁共振研究中心放射科和核医学科、哥本哈根大学医院-阿马格和赫维多雷） ； Computer Science & Artificial Intelligence Laboratory (CSAIL), Massachusetts Institute of Technology（计算机科学与人工智能实验室（CSAIL）、麻省理工学院） 纠错

专题命中 图像修复 ：diffusion(abstract)；inpainting(abstract)；分类 cs.CV

AI总结 本文提出利用扩散模型作为先验，解决多种医学影像逆问题，通过训练和灵活的正向模型提升解剖结构的保真度，实现高质量的3D脑分析。