基于稠密特征交互网络的图像填充定位
计算机视觉与模式识别
2025-07-01 v2
摘要
图像填充是指填充图像中缺失区域的过程，这是一种常见的图像编辑技术。图像填充可用于隐藏或改变图像内容，以进行恶意图像操纵，从而推动了图像填充检测的研究。目前大多数方法使用基本的编码器-解码器结构，容易导致大量误报或漏报填充区域，尤其是在处理语义和尺度不同的目标时。此外，缺乏有效的方法来捕捉边界伪影会导致边缘定位不够准确。本文描述了一种基于稠密特征交互网络（DeFI-Net）的新型填充检测方法。DeFI-Net 使用一种新颖的特征金字塔架构，捕捉并放大跨越多个阶段的多尺度表征，从而通过更好地加强特征级交互来提高图像填充的检测。此外，该网络可以适应性地将承载边缘和形状信息的低层特征引导，以细化操纵区域的定位，同时整合高层语义特征。使用 DeFI-Net，我们开发了一种结合互补表征的方法，以准确识别填充区域。在七个图像填充数据集上的评估表明，我们的方法有效，能够在 diverse 模型中实现图像填充检测的领先性能。代码和模型可在 https://github.com/Boombb/DeFI-Net_Inpainting 上获取。
引用
@article{arxiv.2408.02191,
title = {Dense Feature Interaction Network for Image Inpainting Localization},
author = {Ye Yao and Tingfeng Han and Shan Jia and Siwei Lyu},
journal= {arXiv preprint arXiv:2408.02191},
year = {2025}
}