一种用于图像拼接定位的多流融合网络

MMDec, 2022

一种用于图像拼接定位的多流融合网络

A Multi-Stream Fusion Network for Image Splicing Localization

Maria Siopi, Giorgos Kordopatis-Zilos, Polychronis Charitidis, Ioannis Kompatsiaris, Symeon Papadopoulos

TL;DR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。

Abstract

In this paper, we address the problem of image splicing localization with a multi-stream network architecture that processes the raw RGB image in parallel with other →

image splicing localization multi-stream network architecture encoder-decoder architecture handcrafted forensic signals state-of-the-art results

发现论文，激发创造

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

SpliceRadar: 一种用于盲目图像取证的学习方法

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。

Jun, 2019

视频拼接定位的时空共注意融合网络

提出了一种用于视频拼接定位的时空注意力融合网络（SCFNet），通过多帧捕捉操纵痕迹、并行和交叉注意力融合模块实现时空法证特征的深度交互和融合，通过轻量级多层感知机（MLP）解码器产生像素级篡改定位图，在基准数据集上的广泛测试表明，SCFNet 的定位和泛化性能优于现有技术。

Sep, 2023

使用多任务全卷积网络（MFCN）进行图像拼接定位

本文提出一种利用全卷积网络 (FCN) 实现图像拼接攻击定位的技术。采用单任务 FCN (SFCN) 并利用表面标签进行训练，但在某些情况下输出的定位结果粗糙。因此，作者提出采用多任务 FCN (MFCN)，其中利用两个输出分支进行多任务学习。实验结果表明，SFCN 和 MFCN 学习到的模型都能优于现有拼接定位算法，并且 MFCN 比 SFCN 具有更高的定位精度。

Sep, 2017

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

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

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

基于混合 LSTM 和编码器 - 解码器架构的图像伪造检测

本文提出了一种基于图像局部特征和深度学习的高置信度图像篡改检测和定位算法，通过利用重采样特征、长短期记忆单元和编码器 - 解码器网络实现了对篡改区域和非篡改区域的有效分割定位，提出的方法能够在像素级非常准确地定位图像篡改。

Mar, 2019