深度网络能否平衡复制-移动伪造检测与区分？
计算机视觉与模式识别
2023-05-18 v1
摘要
复制-移动伪造检测是数字图像取证中的一个关键研究领域，其重点在于识别图像中的物体被复制并放置到不同位置的情况。在此类伪造可能被用于恶意目的的场景中，检测此类伪造尤为重要。近年来，人们对区分复制-移动伪造中的原始物体和复制物体的兴趣日益浓厚，并伴随着大规模数据集的开发以促进这一任务。然而，现有的复制-移动伪造检测和源/目标区分方法通常涉及两个独立的步骤，或为每个任务设计单独的端到端网络。在本文中，我们提出了一种创新方法，在端到端深度神经网络中采用 Transformer 架构。我们的方法旨在检测复制-移动伪造实例的同时定位源区域和目标区域。通过利用这种方法，我们解决了多目标复制-移动场景带来的挑战，并探讨了检测与区分任务之间是否存在平衡。为了评估我们提出的网络的性能，我们在两个公开可用的复制-移动数据集上进行了实验。结果与分析旨在展示我们在平衡检测与区分结果以及在不同数据集间迁移训练模型方面所关注重点的潜在意义。
引用
@article{arxiv.2305.10247,
title = {Can Deep Network Balance Copy-Move Forgery Detection and Distinguishment?},
author = {Shizhen Chang},
journal= {arXiv preprint arXiv:2305.10247},
year = {2023}
}