打击假新闻：基于学习自一致性的图像拼接检测
计算机视觉与模式识别
2018-09-07 v3
摘要
照片编辑与处理工具的进步使得伪造图像变得显著容易。然而，由于缺乏充足数量的 manipulated 训练数据，学习检测此类篡改仍具挑战性。本文提出一种仅使用大规模真实照片数据集训练的视觉图像篡改检测学习算法。该算法利用自动记录的照片 EXIF 元数据作为监督信号，训练模型判断图像是否自一致——即其内容是否可能由单一成像流水线产生。我们将该自一致性模型应用于图像拼接的检测与定位任务。尽管训练时从未见过任何篡改图像，所提方法在多个图像取证基准上取得了 SOTA 性能。尽管如此，它仅是通往真正通用视觉取证工具漫长征程中的一步。
引用
@article{arxiv.1805.04096,
title = {Fighting Fake News: Image Splice Detection via Learned Self-Consistency},
author = {Minyoung Huh and Andrew Liu and Andrew Owens and Alexei A. Efros},
journal= {arXiv preprint arXiv:1805.04096},
year = {2018}
}