ГИБРИДНАЯ АРХИТЕКТУРА CNN-KAN ДЛЯ ОБНАРУЖЕНИЯ СГЕНЕРИРОВАННЫХ ИЗОБРАЖЕНИЙ УДК 004.056.57 : 004.852

Аннотация

В статье рассматриваетсяразработка гибридной архитектуры нейронной сети CNN-KAN, предназначенной дляобнаружения сгенерированных изображений. Проблема детекции синтетического визуального контента становится все более актуальной на фоне бурного роста технологийгенеративного ИИ. В работе описаны принципы функционирования сверточных нейронных сетей (CNN) и сетей Колмогорова–Арнольда (KAN), приведено обоснование ихобъединения в единую гибридную модель.Экспериментально показано, что CNN-KANпоказывает более высокий результат чем традиционные CNN-MLP архитектуры по метрикам Accuracy, Precision, Recall, F1-scoreи ROC-AUC. Предложенная архитектура сочетает способность CNN выделять локальныепризнаки с возможностью KAN обобщатьглобальные закономерности, что обеспечивает высокую точность классификации.Результаты исследования подтверждают эффективность гибридного подхода и перспективность его применения в задачах детектирования поддельных изображений.