介观洞察：协同多尺度与混合架构的图像篡改定位

介观层次作为宏观与微观世界之间的桥梁，弥补了两者所忽略的空白。图像篡改定位（IML）作为一种从伪造图像中探寻真相的关键技术，长期以来一直依赖于低层次（微观层次）的痕迹。然而在实际中，大多数篡改旨在通过改变图像语义来欺骗观众。因此，篡改通常发生在对象层次（宏观层次），这与微观痕迹同等重要。因此，将这两个层次整合到介观层次中，为 IML 研究提供了新的视角。受此启发，本文探索了如何为 IML 同时构建微观与宏观信息的介观表示，并引入 Mesorch 架构来协同处理两者。具体而言，该架构 i) 并行结合 Transformer 与 CNN，其中 Transformer 提取宏观信息，CNN 捕获微观细节；ii) 跨不同尺度进行探索，无缝评估微观与宏观信息。此外，基于 Mesorch 架构，本文引入了两个基线模型，旨在通过介观表示解决 IML 任务。在四个数据集上的大量实验表明，我们的模型在性能、计算复杂度和鲁棒性方面均超越了当前的最先进水平（SOTA）。