超越检测：面向自然图像的深度伪造恢复与事实检索的多尺度隐藏代码
计算机视觉与模式识别
2026-02-27 v1
摘要
近期图像真实性进步主要聚焦于深度伪造检测与局部化，忽略了针对事实检索的伪造内容恢复。我们提出一种统一的隐藏代码恢复框架，使其能够从事后水印和生成内水印范式中实现检索与恢复。该方法将语义与感知信息编码为紧凑的隐藏代码表示，通过多尺度向量量化进行细化，并通过条件 Transformer 模块增强情境推理。为实现自然图像的系统评估，我们构建 ImageNet-S，提供成对的图像-标签事实检索任务。广泛实验表明，该方法在 ImageNet-S 上表现出有希望的检索与重构性能，同时完全兼容多样化的水印管线。该框架为超越检测与局部化的通用图像恢复奠定了基础。
关键词
引用
@article{arxiv.2602.22759,
title = {Beyond Detection: Multi-Scale Hidden-Code for Natural Image Deepfake Recovery and Factual Retrieval},
author = {Yuan-Chih Chen and Chun-Shien Lu},
journal= {arXiv preprint arXiv:2602.22759},
year = {2026}
}