用于图像篡改检测的自动聚焦对比学习
计算机视觉与模式识别
2022-11-22 v1
摘要
一般而言，当前的图像篡改检测模型仅仅建立在篡改痕迹之上。然而，我们认为这些模型取得了次优的检测性能，因为它往往倾向于：1）从整幅图像中的大量噪声信息里区分篡改痕迹，以及2）忽略每个被篡改区域及其周围像素之间的痕迹关系。为了克服这些局限，我们提出了一种用于图像篡改检测的自动聚焦对比学习（AF-CL）网络。它包含两个主要思想，即多尺度视图生成（MSVG）和痕迹关系建模（TRM）。具体而言，MSVG旨在生成一对视图，每个视图以不同尺度包含被篡改区域及其周围环境，而TRM则用于对每对视图中每个被篡改区域及其周围像素之间的痕迹关系进行建模，以学习判别性表示。通过在最小化对应视图表示之间的距离来学习AF-CL网络后，所学网络能够自动聚焦于被篡改区域及其周围环境，并充分探索其痕迹关系以实现准确的篡改检测。大量实验表明，与最先进的方法相比，AF-CL在CAISA、NIST和Coverage数据集上分别提供了显著的性能提升，即F1分数最高提升2.5%、7.5%和0.8%。
引用
@article{arxiv.2211.10922,
title = {Auto-Focus Contrastive Learning for Image Manipulation Detection},
author = {Wenyan Pan and Zhili Zhou and Guangcan Liu and Teng Huang and Hongyang Yan and Q. M. Jonathan Wu},
journal= {arXiv preprint arXiv:2211.10922},
year = {2022}
}