SISL：用于拼接检测与定位的自监督图像签名学习
计算机视觉与模式识别
2022-03-16 v1
摘要
近期用于图像篡改检测的算法几乎 exclusively 使用深度网络模型。这些方法训练网络时需要稠密像素级真值掩码、相机 id 或图像元数据。一方面，构建能代表无数篡改可能性的训练集是不切实际的。另一方面，社交媒体平台或商业应用常受限制而移除图像中的相机 id 与元数据。一种无需稠密真值或相机/图像元数据即可训练篡改检测模型的自监督算法，对许多取证应用极为有用。本文提出一种自监督方法，从图像的频率变换中训练拼接检测/定位模型。为识别拼接区域，我们的深度网络通过强制（图像）自一致性来学习捕捉图像特定签名的表示。我们通过实验证明，所提模型在标准数据集上无需依赖标签或元数据即可取得与多种现有方法相似或更好的性能。
引用
@article{arxiv.2203.07824,
title = {SISL:Self-Supervised Image Signature Learning for Splicing Detection and Localization},
author = {Susmit Agrawal and Prabhat Kumar and Siddharth Seth and Toufiq Parag and Maneesh Singh and Venkatesh Babu},
journal= {arXiv preprint arXiv:2203.07824},
year = {2022}
}