ForensicFormer：用于跨域图像伪造检测的层次化多尺度推理

AI 生成的图像和高级编辑工具的 proliferation 使传统 forensic 方法对跨域伪造检测无效。我们提出了 ForensicFormer，一个层次化多尺度框架，通过 cross-attention transformers 统一低层次 artifact 检测、中层次边界分析和高层次语义推理。不同于以往单范式方法在分布外数据集上仅实现 <75% 准确率，我们的方法在覆盖传统操作、GAN 生成图像和扩散模型输出的七个多样化测试集上保持 86.8% 平均准确率，显著优于最新通用检测器。我们在 JPEG 压缩下表现出优异鲁棒性 (Q=70 时准确率 83% vs. 66% for baselines)，并提供 0.76 F1 分数的像素级伪造局部化。广泛的消融研究验证了每个层次化组件均可提升 4-10% 准确率，定性分析揭示了与人类专家推理一致的可解释 forensic 特征。我们的工作桥接了经典图像 forensic 和现代深度学习，为实际部署提供了解决方案，其中操作技术手段先知。