ReFii

Requirements

conda create -n refii python=3.9
conda activate refii
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 -f https://download.pytorch.org/whl/torch_stable.html
pip install -r requirements.txt

Datasets

我们用到了DiFF以及DiffusionForensics数据集，数据集下载链接已经给出，其中DiffusionForensics数据集密码为dire。

Training

在训练之应该将训练real和fake图像放置到data/train文件夹。例如，将LSUN-Bedroom的real图像放置到data/train/lsun_adm/0_real目录下，将ADM-LSUN-Bedroom的虚假图像放置到data/train/lsun_adm/1_fake目录下。我们需要对验证集和测试集执行同样的操作，只需将data/train修改为data/val和data/test。此外，如果您想修改模型训练数据，请在train.sh修改DATASETS以及DATASETS_TEST路径，然后，执行以下命令训练ReFii模型：

sh train.sh

Evaluation

在训练完成后，我们为您保存了最佳模型，其路径为/data/exp/your_best_model。如果您想用这个模型进行测试，那您需要在test.sh中修改CKPT路径为您的最优模型路径，然后通过运行下面的程序即可进行测试。

sh test.sh

Intra-domain discrimination

例如，在数据集DiFF上进行T2I域内鉴别，我们需要按照如下步骤进行：首先，我们需要按照创建Training中的方法创建DiFF_T2I子数据集，并且将train.sh中的DATASETS以及DATASETS_TEST均修改为DiFF_T2I，在训练完成后，我们将在路径data/exp/DiFF_T2I/ckpt/model_epoch_best.pth获得其最优模型；在测试阶段，我们需要按照Evaluation的方法进行域内测试，其中test.sh中CKPT路径为data/exp/DiFF_T2I/ckpt/model_epoch_best.pth，DATASETS_TEST为DiFF_T2I。

Cross-domain discrimination

例如，在数据集DiFF上进行T2I训练I2I的跨域鉴别，我们需要按照如下步骤进行：训练过程同Intra-domain discrimination；在测试阶段，我们需要将test.sh中DATASETS_TEST修改为DiFF_I2I。

Robustness experiment

鲁棒性测试我们主要针对JPEG压缩和高斯模糊进行实验。在/utils/config.py中参数jpg_qual和jpg_prob分别控制JPEG压缩程度以及JPEG压缩概率，blur_sig和blur_prob分别控制高斯模糊强度以及高斯模糊概率，我们只需要修改这几个参数，并进行测试步骤即可完成鲁棒性实验。