DA-HFNet：基于双重注意力的渐进式细粒度伪造图像检测与定位
计算机视觉与模式识别
2024-06-05 v2
摘要
准确检测由AIGC（人工智能生成内容）生成的伪造图像日益困难，这带来了许多风险，因此需要开发有效的方法来识别并进一步定位伪造区域。在本文中，为促进研究工作，我们构建了一个由文本或图像辅助的GAN和扩散模型引导的DA-HFNet伪造图像数据集。我们的目标是利用一个层次化渐进网络来捕获不同尺度的伪造痕迹以进行检测和定位。具体而言，它依赖于一个双重注意力机制来深度自适应融合多模态图像特征，然后通过一个多分支交互网络来充分交互不同尺度的图像特征，并利用层间依赖关系提升检测器性能。此外，我们提取更敏感的噪声指纹，以在伪造区域获得更突出的伪造痕迹特征。大量实验验证了我们方法的有效性，表明在伪造图像检测和定位方面，与最先进方法相比有显著的性能提升。代码和数据集将在未来发布。
引用
@article{arxiv.2406.01489,
title = {DA-HFNet: Progressive Fine-Grained Forgery Image Detection and Localization Based on Dual Attention},
author = {Yang Liu and Xiaofei Li and Jun Zhang and Shengze Hu and Jun Lei},
journal= {arXiv preprint arXiv:2406.01489},
year = {2024}
}