Riconoscimento di immagini artificiali tramite rappresentazioni neurali implicite

Uno dei problemi della società attuale è la diffusione dei deepfake, ossia segnali (immagini, audio e video) generati artificialmente e spesso indistinguibili da quelli reali. La classe di algoritmi più diffusa ed efficiente per generare immagini di questo tipo è costituita dalle Generative Adversarial Networks (GANs). In questa tesi, dopo aver dato una visione generale di quelli che sono i principi dell’intelligenza artificiale e del deep learning, viene analizzata e sperimentata una tecnica di rilevazione di immagini artificiali che utilizza un algoritmo basato sulle rappresentazioni neurali implicite (Implicit Neural Representations). Questo tipo di approccio verrà testato su un dataset contenente delle immagini reali e una loro controparte modificata utilizzando delle GAN, con lo scopo di riuscire a discernere tra le due grazie alle loro differenze statistiche. In caso positivo, questa tecnica potrebbe rappresentare un approccio interessante al campo della rilevazione del deepfake.