基于自适应DCT特征和层次内容解�合的鲁棒文档图像伪造局部化模型ADCD-Net
计算机视觉与模式识别
2025-07-23 v1
摘要
图像编辑工具的发展使敏感文档图像的恶意篡改成为可能，凸显了对鲁棒文档图像伪造检测的需求。虽然针对自然图像的伪造检测器已广泛研究，但它们在文档图像方面困难，因篡改区域可以无缝融合到均匀的文档背景(BG)和结构化文本中。另一方面，现有文档特定方法对各种退化现象缺乏足够鲁棒性，这限制了其实际部署。本文提出ADCD-Net，一种鲁棒文档伪造局部化模型，自适应利用RGB/DCT forensic痕迹并整合文档图像的关键特征。具体而言，为解决DCT痕迹对块对齐敏感的问题，我们自适应调制DCT特征贡献基于预测对齐得分的结果，这大大提高了对各种畸变（包括调整大小和裁剪）的鲁棒性。同时，提出一种层次内容解�合方法以提升局部化性能通过缓解文本-BG差异。进一步地，鉴于BG区域的主要净化特性，我们构建了一个 pristine 原型捕获未篡改区域的痕迹，最终增强了局部化准确性和鲁棒性。我们提出的ADCD-Net在伪造局部化性能方面表现优异，平均优于最先进方法20.79%。代码可在https://github.com/KAHIMWONG/ACDC-Net访问。
引用
@article{arxiv.2507.16397,
title = {ADCD-Net: Robust Document Image Forgery Localization via Adaptive DCT Feature and Hierarchical Content Disentanglement},
author = {Kahim Wong and Jicheng Zhou and Haiwei Wu and Yain-Whar Si and Jiantao Zhou},
journal= {arXiv preprint arXiv:2507.16397},
year = {2025}
}