Mar, 2024

基于不一致挖掘的对象级复制 - 移动伪造图像检测

PDF
TL;DR基于不一致性挖掘（IMNet）的物体级抄袭移动伪造图像检测，针对模糊等技术隐匿伪造痕迹给对象级目标完整结构的检测带来的挑战，通过定制原型并动态更新，提取通过自相关计算获得的粗略相似区域与构成原型的区域间的不一致区域，利用检测到的不一致区域作为粗略相似区域的补充，以提高像素级检测精度，并通过在三个公开数据集上进行实验证实了 IMNet 的有效性和鲁棒性。
copy-move tamperingobject-level targetsinconsistency miningforgery image detectionimnet
发现论文，激发创造
  • 图像抄袭移动伪造检测与定位方案：如何避免漏检和虚警

    本文提出了过量关键点提取策略以克服遗漏检测，使用分组匹配算法加速匹配过程，引入新的迭代伪造定位算法以快速形成像素级定位结果并确保较低虚警。广泛的实验结果表明，我们的方案在克服遗漏检测和虚警方面具有卓越性能。

    Jun, 2024

  • 深度网络平衡复制移动伪造检测和区分能力吗？

    本文提出了一种新的使用 Transformer 结构的端到端深度神经网络方法，旨在检测复制移动伪造的实例，同时定位源和目标区域。通过使用这种方法，我们解决了多对象复制移动场景所提出的挑战，并报告了检测和区分任务之间的平衡情况，并在不同的数据集中应用了模型转移。

    May, 2023

  • 像素不一致性建模用于图像篡改定位

    该研究提出了一个通过像素不一致性痕迹进行广义且稳健的图像篡改定位的方法，通过分析像素不一致性痕迹模型化图像的全局像素依赖和本地篡改线索，并通过学习权重模块增强最终的篡改定位性能。在图像信号处理器插值过程中引入的像素相关性以及篡改操作对像素的影响是该方法的基础，并通过新颖的数据增强策略驱使模型专注于捕捉固有的像素级痕迹。实验结果表明，该方法在图像篡改定位领域具有最先进的泛化和稳健性能。

    Sep, 2023

  • 基于深度跨尺度 PatchMatch 的图像复制移动伪造检测

    提出了一种集成传统和深度方法优点的端到端复制移动伪造检测（CMFD）框架，其中包括了深度跨尺度补丁匹配方法和操作区域定位分支，通过从高分辨率尺度提取特征，寻求源区域和目标区域之间的明确可靠的点对点匹配，证明了该方法对不同的复制移动内容具有高度的适应性和显著优于现有方法的性能。

    Aug, 2023

  • 流行的抄袭移动伪造检测方法评估

    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

  • 基于深度 PatchMatch 和配对排名学习的图像复制移动伪造检测

    该研究提出了一种新颖的端到端图像复制移动伪造检测框架，它结合了传统和深度学习方法的优势，利用高分辨率尺度提取特征进行源和目标区域的明确可靠点对点匹配，并提出了一种新型的成对排序学习框架来分离源和目标区域，取得了显著的泛化能力和优于现有方法的检测性能。

    Apr, 2024

  • 通过对比学习和无监督聚类重新思考图像伪造检测

    图像伪造检测的新方法 FOrensic ContrAstive cLustering (FOCAL) 基于对比学习和无监督聚类，通过像素级对比学习指导高级取证特征提取，使用实时无监督聚类算法将学习到的特征聚类为伪造 / 原始类别，并通过特征级连接进一步提高检测性能，对六个公共测试数据集进行广泛实验证明了 FOCAL 明显优于现有竞争算法。

    Aug, 2023

  • 一种有效的基于熵图像的图像复制篡改检测方法

    基于图像鉴定的副本移动伪造检测算法使用了基于 SIFT 的关键点算法和熵图像来提高算法性能和时间效率。

    Dec, 2023

  • 面部代表性伪造挖掘用于伪造人脸检测

    本论文提出一种基于注意力机制的数据增广框架，用于改善卷积神经网络在伪造人脸检测中关注面部有限区域的现象，通过跟踪和遮蔽 Top-N 敏感面部区域，鼓励检测器深入挖掘以前忽略的区域，从而达到指出不同操纵技术生成的伪造面孔的表现最好的检测器训练效果，同时我们的方法能够轻松集成到各种 CNN 模型中。

    Apr, 2021

  • PROMPT-IML：通过 Prompt 调整预训练的基础模型实现图像操作定位

    社交网络服务下的欺诈图像存在重大风险，我们提出了一个新的 Prompt-IML 框架来使用预训练的视觉基础模型辅助图像操作定位，所设计的模型在八个典型虚假图像数据集上表现出更好的性能和卓越的鲁棒性。

    Jan, 2024