BioTamperNet: 基于亲和力引导的状态空间模型检测生物医学图像篡改
计算机视觉与模式识别
2026-02-05 v2
摘要
我们提出 BioTamperNet，一个新型框架，用于检测生物医学图像中被复制的区域，利用受状态空间模型(SSM)近似启发的亲和力引导注意力机制。现有 Forensic 模型主要在自然图像上训练，难以在生物医学数据上发挥良好性能，因为细微的操纵可能损害实验的有效性。为此，BioTamperNet 引入亲和力引导自注意力模块以捕获图像内部相似性，以及亲和力引导交叉注意力模块以建模跨图像对应关系。我们的设计将轻量级 SSM 启发的线性注意力机制集成进去，以实现高效、精细的局部化。端到端训练后，BioTamperNet 同时识别被篡改区域及其来源区域。大量实验表明，在基准生物 Forensic 数据集上，BioTamperNet 在准确检测被复制区域方面显著优于对手方法。代码 - https://github.com/SoumyaroopNandi/BioTamperNet
引用
@article{arxiv.2602.01435,
title = {BioTamperNet: Affinity-Guided State-Space Model Detecting Tampered Biomedical Images},
author = {Soumyaroop Nandi and Prem Natarajan},
journal= {arXiv preprint arXiv:2602.01435},
year = {2026}
}