MaLP：基于主动防护方案的操作定位
计算机视觉与模式识别
2023-04-06 v2
摘要
各类生成模型（GMs）生成质量的进步，使得不仅需要进行二值操作检测，还需定位图像中被修改的像素。然而，先前被称为被动式操作定位的工作在未见过的 GMs 与属性修改上泛化性能较差。为应对此问题，我们提出一种用于操作定位的主动防护方案，称为 MaLP。我们通过添加习得模板对真实图像加密。若图像被任意 GM 操纵，模板所添保护不仅有助于二值检测，还有助于识别被 GM 修改的像素。该模板通过双分支架构估计的局部与全局级特征习得。我们展示 MaLP 优于先前的被动式工作。我们还通过在 22 种不同 GMs 上测试展示了 MaLP 的泛化性，为未来操作定位研究提供了基准。最后，我们展示 MaLP 可用作判别器以提升 GMs 的生成质量。我们的模型/代码发布于 www.github.com/vishal3477/pro_loc。
引用
@article{arxiv.2303.16976,
title = {MaLP: Manipulation Localization Using a Proactive Scheme},
author = {Vishal Asnani and Xi Yin and Tal Hassner and Xiaoming Liu},
journal= {arXiv preprint arXiv:2303.16976},
year = {2023}
}
备注
Published at Conference on Computer Vision and Pattern Recognition 2023