TransForensics：基于稠密自注意力的图像篡改定位
计算机视觉与模式识别
2021-08-10 v1
摘要
如今先进的图像编辑工具与技术技能使篡改图像更加逼真，可轻易规避图像取证系统并使图像真实性验证更为困难。为应对这一挑战，我们提出TransForensics，一种受Transformer启发的新型图像篡改定位方法。我们框架的两个主要组件是稠密自注意力编码器与稠密校正模块。前者用于建模全局上下文及不同尺度下局部块之间的所有成对交互，后者用于提升隐藏层的透明性并校正来自不同分支的输出。相较于以往传统与深度学习方法，TransForensics不仅能捕获判别性表示并获得高质量掩码预测，且不受篡改类型与块序列顺序限制。通过在主要基准上实验，我们表明TransForensics大幅优于当前最优（SOTA）方法。
引用
@article{arxiv.2108.03871,
title = {TransForensics: Image Forgery Localization with Dense Self-Attention},
author = {Jing Hao and Zhixin Zhang and Shicai Yang and Di Xie and Shiliang Pu},
journal= {arXiv preprint arXiv:2108.03871},
year = {2021}
}
备注
accepted by ICCV2021