SurFITR: 用于监控图像篡改检测与定位的数据集
计算机视觉与模式识别
2026-04-09 v1 人工智能
多媒体
图像与视频处理
摘要
我们提出了监控伪造图像测试范围（SurFITR），这是一个用于监控风格图像篡改检测与定位的数据集，旨在回应近期开源图像生成模型进展带来的视觉证据伪造担忧。现有篡改检测模型在全图像合成或对象中心图像中大范围篡改区域的数据集上训练，难以泛化到监控场景。这是因为监控图像中的篡改通常是局部的和细微的，发生在视角各异、主体较小或被遮挡、且视觉质量较低的场景中。为填补这一空白，SurFITR 提供了大量通过多模态大语言模型驱动流水线生成的具有法医价值的图像，支持在多样化监控场景中进行语义感知、精细编辑。它包含超过 137k 张具有不同分辨率和编辑类型的篡改图像，使用多种图像编辑模型生成。大量实验表明，现有检测器在 SurFITR 上性能显著下降，而基于 SurFITR 训练则在领域内和跨领域性能上均有显著提升。SurFITR 在 GitHub 上公开可用。
引用
@article{arxiv.2604.07101,
title = {SurFITR: A Dataset for Surveillance Image Forgery Detection and Localisation},
author = {Qizhou Wang and Guansong Pang and Christopher Leckie},
journal= {arXiv preprint arXiv:2604.07101},
year = {2026}
}