SafePaint：具有域自适应的反取证图像修复
计算机视觉与模式识别
2024-08-07 v2 多媒体
摘要
现有的图像修复方法在生成视觉上吸引人的结果方面取得了显著成就，通常伴随着生成更复杂结构纹理的趋势。然而，虽然这些模型擅长创建更逼真的内容，但它们常常留下明显的篡改痕迹，构成重大安全威胁。在这项工作中，我们考虑了反取证能力，首次提出了一种用于反取证图像修复的端到端训练框架，名为 SafePaint。具体来说，我们将图像修复创新性地表述为两个主要任务：语义上合理的内容补全和区域级优化。前者类似于当前的修复方法，旨在恢复损坏图像的缺失区域。后者通过域自适应，努力协调修复区域与未改变区域之间的差异，以实现反取证目标。通过全面的理论分析，我们验证了域自适应对反取证性能的有效性。此外，我们精心设计了一个区域分离注意力 (RWSA) 模块，该模块不仅符合我们的反取证目标，而且增强了模型的性能。大量的定性和定量评估表明，我们的方法在实现与现有图像修复方法相当的结果的同时，提供了其他方法不具备的反取证能力。
引用
@article{arxiv.2404.18136,
title = {SafePaint: Anti-forensic Image Inpainting with Domain Adaptation},
author = {Dunyun Chen and Xin Liao and Xiaoshuai Wu and Shiwei Chen},
journal= {arXiv preprint arXiv:2404.18136},
year = {2024}
}