EDGER：基于边缘引导与热图细化的通用图像伪造局部化
计算机视觉与模式识别
2026-05-13 v1
摘要
文本引导的图像填充使图像伪造日益真实，挑战了 SID 和 IFL。然而，现有方法常难以跨域指出可疑信号。为此，我们提出 EDGER，一种基于 patch 的双分支框架，用于任意分辨率图像的局部化，无需牺牲原始分辨率。第一个分支——边缘引导分割——引入基于频率的边缘检测器以强调操作边界处的高频不一致性，随后微调 SegFormer 以融合 RGB 与边缘特征，生成像素级掩码。由于边缘证据仅在包含真实与操纵像素的 patch 中最为信息丰富，我们以合成热图分支补充边缘引导分割：这是一种基于分类的局部化器，通过 LoRA 微调 CLIP-ViT 图像编码器以标记完全合成的 patch。合成热图提供粗糙的 patch 级合成先验，而边缘引导分割在部分操纵的 patch 内部细化边界，实现全面局部化。在MediaEval 2025、SynthIM 挑战中进行的评估表明，该方法可扩展至多兆像素图像，并在跨域泛化方面表现出色。大量消融实验凸显了基于频率的边缘线索与 patch 级合成先验在驱动准确、分辨率无关局部化中的互补作用。
引用
@article{arxiv.2605.12002,
title = {EDGER: EDge-Guided with HEatmap Refinement for Generalizable Image Forgery Localization},
author = {Minh-Khoa Le-Phan and Minh-Hoang Le and Minh-Triet Tran and Trong-Le Do},
journal= {arXiv preprint arXiv:2605.12002},
year = {2026}
}
备注
Accepted for publication in the Proceedings of the 14th International Symposium on Information and Communication Technology (SOICT 2025)