CVPRJun, 2019

SpliceRadar: 一种用于盲目图像取证的学习方法

PDF
TL;DR本文提出了一种基于深度学习的图像拼接定位方法，它可以在不需要测试图像的相机型号先验知识的情况下定位拼接区域，并在大规模未被篡改的相机标记图像数据库上进行训练。在三个测试数据库上的实验结果表明，该方法在现有最先进技术水平的基础之上具有相当的效果和良好的泛化能力。
image manipulationsplice localizationdeep learningcamera-model identificationgaussian-mixture model
发现论文，激发创造
  • 深度学习融合技术中的对手攻击

    本文通过构建一个新的算法实现了对基于深度学习的三种拼接定位工具（EXIF-SC、SpliceRadar、Noiseprint）进行对抗样本攻击的可行性，并发现这些攻击是具备可迁移性的，可以降低它们的定位性能。

    Apr, 2020

  • 基于全新高效计算框架和新图像拼接数据集的有效图像取证

    提出了一种新颖的拼接检测数据集和轻量级的时域压缩拼接检测框架，该框架在拼接检测方面具有较高的准确性和较低的计算成本，并在提出的数据集和 CASIA v2.0 数据集上取得了优于现有方法的最佳模型准确率为 0.9382。

    Jan, 2024

  • 通过学习自一致性进行图像拼接检测以对抗假新闻

    我们提出了一种使用实际照片训练的学习算法，利用自动记录的照片 EXIF 元数据作为监督信号来检测视觉图像操纵，较于传统方法具有更好的性能，此方法可以被用于图像拼接定位和图像取证方面。

    May, 2018

  • 一种用于图像拼接定位的多流融合网络

    本文提出了一种多流网络架构，该架构使用编码器 - 解码器架构，由多个编码器流组成，分别处理篡改图像或手工制作的信号，从而独立地捕获每个信号的相关信息，并在架构的瓶颈处融合多个流的特征，并传播到生成输出定位图的解码器网络，以解决图像拼接定位问题，并在公共取证数据集上取得了具有竞争性的性能和最先进的结果。

    Dec, 2022

  • 基于自然图像统计特征的拼接图像检测算法研究

    基于自然图像的统计特征，本文介绍了一种用于提高图像篡改检测精确度和效率的新的拼接图像检测算法，该算法通过整合先进的统计分析技术和机器学习方法构建了一个检测框架，并在多个公共数据集上进行了验证，显示出在检测拼接边缘和定位篡改区域方面具有高准确性和良好鲁棒性，此外，还探讨了算法在实际场景中的潜在应用和面临的挑战。此研究不仅为图像篡改检测领域提供了一种有效的技术手段，而且为未来相关研究提供了新的思路和方法。

    Apr, 2024

  • AutoSplice: 一份文本操作图像数据集，用于媒体取证

    本研究旨在调查语言 - 图像模型对媒体取证的挑战水平。为此，我们提出了一种新方法，利用 DALL-E2 语言 - 图像模型自动生成和拼接由文本提示引导的遮蔽区域，并生成包含 5,894 个经过操作和真实图像的新图像数据集 AutoSplice。利用该数据集进行图像篡改检测和定位实验，结果表明，大多数媒体取证模型难以识别 AutoSplice 数据集，但使用微调模型可以取得更好的效果。

    Apr, 2023

  • 深度匹配和验证网络 -- 一种约束图像拼接定位和检测的端到端解决方案

    本文提出了一种名为 Deep Matching and Validation Network（DMVN）的新型深度卷积神经网络架构，该方法可以同时定位和检测图像拼接，不依赖于手工特征，并使用原始输入图像创建深度学习表示，通过端到端优化产生概率估计和分割掩模，通过广泛的实验表明，此方法在 AUC 得分和速度方面都大大优于现有的拼接检测方法。

    May, 2017

  • 基于神经网络的非受限音频拼接检测和定位

    本研究提出使用 Transformer 序列到序列 (seq2seq) 网络进行音频篡改检测和定位，通过评估结果显示该方法优于现有的专用方法和通用网络。

    Jul, 2022

  • 多尺度针对约束图像拼接检测与定位的框架

    我们提出了一个多尺度目标感知框架，用于在统一的流程中进行特征提取和相关匹配，以实现检测和定位图像拼接操作，通过协同学习相关图像块，促进特征学习和相关匹配的相互促进，并且通过引入多尺度投影方法来处理比例变换，该方法在多个基准数据集上优于现有的方法，并且对比例变换具有鲁棒性。

    Aug, 2023

  • 高效的嵌入式对象检索技术 - 以拼贴图像为例

    本研究提出了一种通过对象嵌入的方式，利用近期的目标检测器来定位对象区域并在集合层面上代表图像的框架，它可以有效地解决计算机视觉领域中检测篡改图像的难题，并取得了最佳的效果。

    May, 2019