GCA-Net：利用门控上下文注意力改进图像伪造定位与检测
计算机视觉与模式识别
2022-04-11 v3 机器学习
摘要
对篡改像素的取证分析需要从图像中识别各种隐藏且细微的特征。常规的图像识别模型通常在此任务上失败，因为它们存在偏差且更关注占主导地位的局部和空间特征。在本文中，我们提出了一种新颖的门控上下文注意力网络（GCA-Net），该网络将非局部注意力与门控机制相结合，以捕获更细微的图像差异并更好地识别伪造区域。所提出的框架使用高维嵌入，在解码过程的各个阶段从粗略的特征图中过滤并聚合相关上下文。这提高了网络对全局差异的理解，并减少了误报定位。我们在标准图像取证基准上的评估表明，GCA-Net 既能与最先进的网络竞争，又能平均提升 4.7% 的 AUC。额外的消融研究也证明了该方法对归因的鲁棒性以及对误报预测的抵抗力。
引用
@article{arxiv.2112.04298,
title = {GCA-Net : Utilizing Gated Context Attention for Improving Image Forgery Localization and Detection},
author = {Sowmen Das and Md. Saiful Islam and Md. Ruhul Amin},
journal= {arXiv preprint arXiv:2112.04298},
year = {2022}
}
备注
Accepted for publication at the CVPR 2022 Media Forensics Workshop