相机轨迹擦除
本文研究了复制移动伪造(copy-move forgery)的检测算法和处理步骤的性能表现,利用15种不同的特征集进行分析以实现检测,在切实的数据集和软件框架上进行实验表明基于关键点的特征集合(如SIFT和SURF)以及基于块的特征集合(如DCT,DWT,KPCA,PCA和Zernike等)在不同的噪声源和下采样情况下表现良好,并能可靠识别复制区域。
Aug, 2012
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
本文提出了一种提取噪音指纹的相机模型指纹方法,用于图像取证,该方法通过 Siamese 网络来提取图片序列的差异进行相机指纹的提取,实验结果表明,该方法在图像取证方面表现出色。
Aug, 2018
在图像伪造不断更新的现今,卷积神经网络和自编码结构的Forensic-Transfer方法可以提高图像伪造检测的可迁移性并显著提高性能。
Dec, 2018
介绍一种新的数字图像取证方法,称为“取证相似性”,可以确定两个图像图块是否包含相同的取证痕迹或不同的取证痕迹。该方法使用基于卷积神经网络的特征提取器和三层神经网络组成的系统来计算图像汇总所包含的同一或不同取证痕迹的相似性得分,实验证明其可应用于各种取证痕迹,不需要事先了解特定痕迹的知识。该系统在检测相机型号、图像编辑和操作参数方面,表现出优异的性能和应用前景。
Feb, 2019
SepMark是一种主动防御措施,采用基于编码器-解码器的水印嵌入方法,其中包含两个可分离解码器,Tracer提供高鲁棒性,Detector则对恶意畸变具有可选择性敏感性,只有Tracer和Detector组成的SepMark可以可靠地追踪标记人脸的可信来源并检测其标记后是否被篡改。
May, 2023
本文提出了一种用于人脸伪造检测的深度学习模型,能够同时检测空域和时域伪像,在训练过程中分别学习这两种伪像的特征,结合了多个视频层级数据增强方法,可提高模型泛化性能,并在未见过的操作和数据集上显著优于现有方法。
Jul, 2023
本研究旨在改进图像质量并通过深度图像恢复模型增强伪造图像的检测难度,同时测试深度学习方法与非深度学习方法在现有图像篡改检测模型上的效果,结果显示现有图像伪造检测模型无法对所提出的方法进行有效检测。
May, 2024