迈向真实文本篡改检测：新数据集与新解决方案

随着逼真文本篡改的激增，检测图像中的欺诈文本对于维护信息安全变得日益重要。然而，专业文本篡改和标注的高昂成本限制了真实世界数据集的可用性，大多数数据集依赖于合成篡改，这无法充分复制真实世界的篡改属性。为了解决这个问题，我们提出了真实文本篡改（RTM）数据集，包含14,250张文本图像，其中包括5,986张手动篡改和5,258张自动篡改的图像，使用了多种技术创建，以及3,006张未篡改的文本图像用于评估解决方案的稳定性。我们的评估表明，现有方法在RTM数据集上的文本伪造检测中表现不佳。我们提出了一个稳健的基线解决方案，包括一个一致性感知聚合中心和一个门控交叉邻域注意力融合模块，用于高效的多模态信息融合，并在训练期间补充了一个篡改-真实对比学习模块，以丰富特征表示的区分性。该框架可扩展到其他双流架构，在手动篡改和整体篡改上分别实现了7.33%和6.38%的显著定位性能提升。我们的贡献旨在推动真实世界文本篡改检测的进展。代码和数据集将在https://github.com/DrLuo/RTM提供。