CBDiff：条件伯努利扩散模型用于图像伪造定位
计算机视觉与模式识别
2025-10-24 v2
摘要
图像伪造定位 (IFL) 是图像司法学中的关键任务，旨在在像素级别准确识别图像中被操纵或篡改的区域。现有方法通常生成单一确定性的定位图，往往缺乏针对司法分析和安全监视等高风险应用所需的精度和可靠性。为增强预测的可信度并缓解错误风险，我们引入了先进的条件伯努利扩散模型 (CBDiff)。给定伪造图像，CBDiff 生成多个多样且合理的定位图，从而提供对伪造分布更丰富、更全面的表示。该方法解决了篡改区域固有的不确定性和可变性。此外，CBDiff 创新性地将伯努利噪声引入扩散过程中，以更忠实地反映伪造掩码的固有二元性和稀疏性。CBDiff 还引入时间步长交叉注意力 (TSCAttention)，专为利用语义特征引导和时间步长以提高操纵检测而设计。在八个公开基准数据集上的大量实验表明，CBDiff 显著优于现有最先进的方法，凸显了其在实际部署中的强大潜力。
引用
@article{arxiv.2510.19597,
title = {CBDiff:Conditional Bernoulli Diffusion Models for Image Forgery Localization},
author = {Zhou Lei and Pan Gang and Wang Jiahao and Sun Di},
journal= {arXiv preprint arXiv:2510.19597},
year = {2025}
}