UVL2：一种统一的视频篡改定位框架
计算机视觉与模式识别
2024-09-06 v2 密码学与安全
摘要
随着深度学习驱动的视频编辑技术的发展，安全风险已然显现。恶意视频篡改可导致公众误解、财产损失与法律纠纷。当前检测方法多局限于特定数据集，对未知伪造的检测性能有限，且对经处理的数据缺乏鲁棒性。本文提出一种有效的视频篡改定位网络，通过提取更具泛化性的伪造痕迹特征，显著提升了视频修复与拼接的检测性能。考虑到篡改视频与原始视频间固有的差异，如边缘伪影、像素分布、纹理特征与压缩信息，我们专门设计了四个模块以独立提取这些特征。此外，为无缝融合这些特征，我们采用两阶段方法，结合卷积神经网络与Vision Transformer，以局部到全局的方式学习这些特征。实验结果表明，该方法显著优于现有最先进方法并展现出鲁棒性。
引用
@article{arxiv.2309.16126,
title = {UVL2: A Unified Framework for Video Tampering Localization},
author = {Pengfei Pei},
journal= {arXiv preprint arXiv:2309.16126},
year = {2024}
}