用于空间和频率基于图像伪造检测的双分支卷积框架

随着深度伪造和数字图像伪造的迅猛增长，确保图像真实性正变得日益具有挑战性。本报告介绍了一种结合空间和频率特征的伪造检测框架，用于检测伪造图像。我们提出一种双分支卷积神经网络，分别在从空间域和频率域提取的特征上运行。两个分支的特征被融合并在孪生网络中比较，生成64维嵌入用于分类。在CASIA 2.0数据集上进行基准测试，我们的方法实现了77.9%的准确率，优于传统统计方法。尽管其相对较弱的性能不及更大更复杂的伪造检测管道，但我们的方案在计算复杂度和检测可靠性之间取得了平衡，适用于实际部署。它为数字图像的司法鉴定提供了强大的 methodology。从更广泛的意义上说，它推进了视觉司法鉴定领域的技术进步，解决了媒体验证、执法和数字内容可靠性方面的紧迫需求。