MVSS-Net：用于图像篡改检测的多视角多尺度监督网络
计算机视觉与模式识别
2022-06-07 v3 人工智能
摘要
由于通过复制-移动、拼接和/或修复篡改图像可能导致对视觉内容的误读，检测此类篡改对媒体取证至关重要。鉴于针对内容的攻击方式多样，设计通用方法并非易事。当前基于深度学习的方法在训练与测试数据对齐良好时表现可期，但在独立测试上表现糟糕。此外，因缺乏真实测试图像，其图像级检测特异性存疑。关键问题在于如何设计与训练一个深度神经网络，使其能学习对新颖数据中篡改敏感、同时对真实数据防误报的可泛化特征。我们提出多视角特征学习，联合利用篡改边界伪影与输入图像的噪声视角。由于两类线索均为语义无关，所学特征因而可泛化。为从真实图像中有效学习，我们采用多尺度（像素/边缘/图像）监督进行训练。我们将新网络称为 MVSS-Net 及其增强版 MVSS-Net++。实验在数据集内与跨数据集场景下开展，表明 MVSS-Net++ 表现最佳，且对 JPEG 压缩、高斯模糊和基于截屏的图像重拍摄具有更好鲁棒性。
引用
@article{arxiv.2112.08935,
title = {MVSS-Net: Multi-View Multi-Scale Supervised Networks for Image Manipulation Detection},
author = {Chengbo Dong and Xinru Chen and Ruohan Hu and Juan Cao and Xirong Li},
journal= {arXiv preprint arXiv:2112.08935},
year = {2022}
}
备注
arXiv admin note: substantial text overlap with arXiv:2104.06832 Accepted by T-PAMI