Ensemble a Doppio Ramo per l'Attribuzione di Immagini Sintetiche

Un articolo di ricerca introduce un modello ibrido per l'Attribuzione della Fonte di Immagini Sintetiche (SIA) progettato per affrontare i cambiamenti di distribuzione tra immagini ideali di addestramento e immagini reali che hanno subito post-elaborazioni sconosciute, come compressione JPEG e sfocatura. Questo framework, presentato per la DLMMDD Challenge a ICANN 2026, combina un componente semantico che utilizza EfficientNet-B0 con Media Mobile Esponenziale e Smoothing delle Etichette, insieme a un componente forense che estrae 126 caratteristiche matematiche (inclusi profili spettrali SVD e Pattern Binari Locali) dai residui di rumore passa-alto. Queste caratteristiche vengono quindi compresse tramite SVD Troncato e classificate con XGBoost. Il metodo è stato testato su un dataset composto da 10 generatori, con il 55% del set di test degradato, mirando a un'attribuzione affidabile.