arXiv:2510.21822v1 Announce Type: new 
Abstract: Identifying images generated by Generative Adversarial Networks (GANs) has become a significant challenge in digital image forensics. This research presents a wavelet-based detection method that uses discrete wavelet transform (DWT) preprocessing and a ResNet50 classification layer to differentiate the StyleGAN-generated images from real ones. Haar and Daubechies wavelet filters are applied to convert the input images into multi-resolution representations, which will then be fed to a ResNet50 network for classification, capitalizing on subtle artifacts left by the generative process. Moreover, the wavelet-based models are compared to an identical ResNet50 model trained on spatial data. The Haar and Daubechies preprocessed models achieved a greater accuracy of 93.8 percent and 95.1 percent, much higher than the model developed in the spatial domain (accuracy rate of 81.5 percent). The Daubechies-based model outperforms Haar, showing that adding layers of descriptive frequency patterns can lead to even greater distinguishing power. These results indicate that the GAN-generated images have unique wavelet-domain artifacts or "fingerprints." The method proposed illustrates the effectiveness of wavelet-domain analysis to detect GAN images and emphasizes the potential of further developing the capabilities of future deepfake detection systems.

تقدم ورقة بحثية جديدة طريقة مبتكرة تعتمد على الموجات للكشف عن الصور التي تم إنشاؤها بواسطة الشبكات التنافسية التوليدية (GAN)، وهو أمر حاسم في الطب الشرعي الرقمي. من خلال استخدام معالجة مسبقة تعتمد على تحويل الموجات المنفصلة (DWT) جنبًا إلى جنب مع طبقة تصنيف ResNet50، يميز هذا النهج بفعالية بين الصور التي تم إنشاؤها بواسطة StyleGAN والصور الحقيقية. هذه الخطوة مهمة لأنها تعالج التحدي المتزايد المتمثل في التعرف على الصور الاصطناعية، مما له آثار على الأصالة في مجالات متعددة، بما في ذلك الإعلام والأمن.

Un nuevo artículo de investigación presenta un método innovador basado en wavelets para detectar imágenes generadas por Redes Generativas Antagónicas (GAN), lo cual es crucial para la forensía digital. Al utilizar un preprocesamiento de transformada wavelet discreta (DWT) junto con una capa de clasificación ResNet50, este enfoque distingue eficazmente entre imágenes generadas por StyleGAN y las reales. Este avance es significativo ya que aborda el creciente desafío de identificar imágenes sintéticas, lo que tiene implicaciones para la autenticidad en diversos campos, incluidos los medios de comunicación y la seguridad.

Un nouvel article de recherche présente une méthode innovante basée sur les ondelettes pour détecter les images générées par des réseaux antagonistes génératifs (GAN), ce qui est crucial pour la criminalistique numérique. En utilisant un prétraitement par transformée en ondelettes discrètes (DWT) associé à une couche de classification ResNet50, cette approche distingue efficacement les images générées par StyleGAN des images réelles. Cette avancée est significative car elle répond au défi croissant d'identifier les images synthétiques, ce qui a des implications pour l'authenticité dans divers domaines, y compris les médias et la sécurité.

A new research paper introduces an innovative wavelet-based method for detecting images generated by Generative Adversarial Networks (GANs), which is crucial for digital image forensics. By utilizing discrete wavelet transform (DWT) preprocessing alongside a ResNet50 classification layer, this approach effectively distinguishes between StyleGAN-generated images and real ones. This advancement is significant as it addresses the growing challenge of identifying synthetic images, which has implications for authenticity in various fields, including media and security.

Wavelet-based GAN Fingerprint Detection using ResNet50

Was this article worth reading? Share it

WasItAI

ZeroGPT.org

4o Image Gen