探索操纵检测中的显著性偏差

社交媒体推动的虚假新闻和支持被篡改图像的误导信息激增，催生了用于图像操纵检测的模型和数据集的发展。然而，现有检测方法大多将媒体对象孤立地处理，不考虑特定操纵对观众感知的影响。法学数据集通常基于操纵操作及其对应的像素级掩码进行分析，但不考虑操纵的语义，即场景类型、对象以及观众对场景内容的注意力。操纵的语义在通过被篡改图像传播误导信息方面发挥重要作用。为鼓励进一步发展理解视觉误information的语义感知 forensic 方法，我们提出了一种框架来分析流行图像操纵数据集中视觉与语义显著性趋势及其对检测的影响。