面部图像合成已经超出了人类可以有效区分真实面孔和合成产生的面孔的进展。最近开发的合成面部图像探测器具有“比人类更好”的判别能力,尤其是那些在模型训练过程中受到人类感知智能的指导的能力。在本文中,我们研究了这些人类引导的合成面探测器是否可以帮助非专业人类操作员在合成图像检测的任务中与没有人类施用的模型相比。我们进行了一项大规模实验,对1,560多个受试者进行了分类,该试验是否显示出真实或合成生成的面部,并注释支持其决策的区域。总共收集了3,780张独特面部图像的56,015个注释。所有受试者首先检查了没有任何AI支持的样品,然后给出了(a)AI的决定(“合成”或“真实”),(b)类激活图,说明了模型对其决策的显着性,或(c) AI的决定和AI的显着性图。合成面是由六个现代生成对抗网络产生的。该实验的有趣观察结果包括:(1)接受人类实力训练的模型为人类对面部图像的检查提供了更好的支持,与传统上使用跨凝性损失训练的模型相比,(2)向人类提出的二进制决策提供了比显着性更好的支持。地图,(3)理解AI的准确性有助于人类增加对特定模型的信任,从而提高其整体准确性。这项工作表明,尽管由机器支持的人类实现了合成面部检测的准确性,但向人类提供AI支持和建立信任的方式是决定人类串联的高效性的关键因素。
translated by 谷歌翻译