GreatSplicing：一个语义丰富的拼接数据集
计算机视觉与模式识别
2025-11-17 v3 人工智能
摘要
在现有的拼接伪造数据集中，拼接区域语义多样性不足导致训练出的检测模型过拟合语义特征，而非学习真实的拼接痕迹。同时，缺乏合理的基准数据集导致现有检测方法间的实验设置不一致。为解决这些问题，我们提出了 GreatSplicing，一个人工创建的、大规模、高质量的拼接数据集。GreatSplicing 包含 5,000 张拼接图像，覆盖 335 个不同语义类别的拼接区域，使检测模型能更有效地学习拼接痕迹。实证结果表明，与现有数据集相比，在 GreatSplicing 上训练的检测模型误识率更低，跨数据集泛化能力更强。GreatSplicing 现已公开发布供研究使用，链接如下。
引用
@article{arxiv.2310.10070,
title = {GreatSplicing: A Semantically Rich Splicing Dataset},
author = {Jiaming Liang and Yuwan Xue and Haowei Liu and Zhenqi Dai and Yu Liao and Rui Wang and Weihao Jiang and Yaping Liu and Zhikun Chen and Guoxiao Liu and Bo Liu and Xiuli Bi},
journal= {arXiv preprint arXiv:2310.10070},
year = {2025}
}
备注
This version updates the author list and author order, and incorporates changes to the content