中文

遥感图像拷贝移动伪造检测与问答

计算机视觉与模式识别 2025-05-23 v2 多媒体

摘要

受陆地资源监测和国家安全保障等实际需求驱动,本文引入Remote Sensing Copy-Move Question Answering(RSCMQA)任务。不同于传统的Remote Sensing Visual Question Answering(RSVQA),RSCMQA聚焦于解释复杂篡改情境并推断对象间关系。我们构建了一套全局RSCMQA数据集,涵盖来自29个不同地区、14个国家的图像。具体而言,我们提出了五个不同数据集,包括基础数据集RS-CMQA、类别平衡数据集RS-CMQA-B、高真实性数据集Real-RSCM、扩展数据集RS-TQA以及扩展类别平衡数据集RS-TQA-B。这些数据集填补了该领域的关键空白,同时确保了全面性、平衡性和挑战性。进一步,我们引入一种区域判别引导的多模态拷贝移动伪造感知框架(CMFPF),通过利用关于源域与被篡改域之间差异与联系的提示,提高了对被篡改图像提问答案的准确性。大量实验表明,我们的方法为RSCMQA提供了更强的基准,优于通用VQA和RSVQA模型。我们的数据集和代码已公开于https://github.com/shenyedepisa/RSCMQA

关键词

引用

@article{arxiv.2412.02575,
  title  = {Copy-Move Forgery Detection and Question Answering for Remote Sensing Image},
  author = {Ze Zhang and Enyuan Zhao and Di Niu and Jie Nie and Xinyue Liang and Lei Huang},
  journal= {arXiv preprint arXiv:2412.02575},
  year   = {2025}
}

备注

11 figs, 7 tables