基于增强Transformer与协同注意力融合的高效图像篡改定位
计算机视觉与模式识别
2023-09-19 v1 密码学与安全
摘要
强大的图像处理技术使得数字图像伪造易于生成且广泛传播，且不留下视觉异常。对篡改区域的盲定位对于图像取证而言十分重要。本文提出一种高效的篡改图像定位网络（EITLNet），其基于双分支增强Transformer编码器与基于注意力的特征融合。具体而言，设计了一个特征增强模块以提升Transformer编码器的特征表示能力。从RGB与噪声流提取的特征通过基于坐标注意力的融合模块在多尺度上得到有效融合。大量实验结果验证，所提方案在各种基准数据集上取得了最先进的泛化能力与鲁棒性。代码将公开于 https://github.com/multimediaFor/EITLNet。
引用
@article{arxiv.2309.09306,
title = {Effective Image Tampering Localization via Enhanced Transformer and Co-attention Fusion},
author = {Kun Guo and Haochen Zhu and Gang Cao},
journal= {arXiv preprint arXiv:2309.09306},
year = {2023}
}