M2SFormer：结合边缘感知难度引导的多光谱与多尺度注意力用于图像篡改定位

图像编辑技术快速发展，既促进了创新应用，也助长了对数字图像的恶意篡改。基于深度学习的方法近期在像素级篡改定位中实现了高精度，但常面临计算开销大与表征能力有限的问题，尤其在处理细微或复杂篡改时。本文提出 M2SFormer，一种基于 Transformer 编码器的新颖框架，旨在克服这些挑战。与分别处理空间与频率线索的方法不同，M2SFormer 在跳跃连接中统一多频率与多尺度注意力，利用全局上下文以更好地捕获多样篡改痕迹。此外，我们的框架通过利用全局先验图（一种指示篡改定位难度的曲率指标）解决上采样过程中细节丢失的问题，随后引导难度引导注意力模块以更有效地保留细微篡改。在多个基准数据集上的广泛实验表明，M2SFormer 优于现有最先进模型，在跨未见领域的篡改检测与定位中展现出卓越的泛化能力。