Apr, 2024

基于深度 PatchMatch 和配对排名学习的图像复制移动伪造检测

PDF
TL;DR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。
deep learningcopy-move forgery detectionend-to-end frameworkcross-scale patchmatchpairwise rank learning framework
发现论文，激发创造
  • 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

  • 一种基于 PatchMatch 的密集场算法用于视频复制移动检测和定位

    提出了一种新的用于可靠检测和定位视频剪贴 - 移动伪造的算法，该算法使用密集场方法，并具有针对后处理操作的鲁棒性，通过一个专门设计的新数据集的实验结果表明，在各种具有挑战性的情况下，该方法能够准确地检测和定位视频剪贴 - 移动伪造。

    Mar, 2017

  • CMFDFormer: 基于 Transformer 的连续学习的复制 - 移动伪造检测

    提出了一种名为 CMFDFormer 的变压器风格的复制移动伪造检测网络，并提供了一种新颖的 PCSD（Pooled Cube and Strip Distillation）连续学习框架来帮助 CMFDFormer 处理新任务。通过在综合分析 CNN 风格和 MLP 风格骨干网络的基础上采用变压器风格网络作为骨干网络，并使用基于自相关计算、分层特征融合、多尺度循环全连接块和掩码重建块构建 PHD 网络，实现不同风格的特征提取器的分层多尺度信息提取，从而达到可比较的性能。此外，提出了一种 PCSD 连续学习框架，以改善伪造的可检测性并在处理新任务时避免灾难性遗忘，该框架限制了 PHD 网络的中间特征，并利用了立方体池和条带池两者的优势。针对公开可用数据集进行了大量实验，证明了 CMFDFormer 的良好性能和 PCSD 连续学习框架的有效性。

    Nov, 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

  • 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

  • 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

  • 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

  • DeepFace-EMD: 利用基于块的地球移动距离进行重新排名，提升超领域人脸识别

    该研究提出了一种基于 Earth Mover's Distance 的重排方法，它通过比较图像的空间特征，尤其是每个局部位置的相似度（例如眼睛到眼睛），来提高人脸识别的鲁棒性，进而解决了针对新图像类型的识别问题。

    Dec, 2021

  • 通过灵活的分层细化和补丁描述符精炼的广义匹配

    本文的主要关注点是解决深度特征匹配（DFM）的局限性，通过采用更灵活的最近邻搜索策略并集成图像补丁描述符，扩展了 DFM 的适用范围，同时提出了一种新颖的图像补丁描述符精炼策略，进一步降低了对应匹配的计算复杂度，实验证明我们的方法在实际机器人应用中具有卓越的性能。

    Mar, 2024

  • 人脸伪造检测中的局部关系学习

    本文提出了一种通过局部关系学习来检测面部伪造的新方法，其中使用了多尺度补丁相似性模块 (MPSM) 来测量局部区域特征的相似性，并形成了一个强大且泛化的相似性模式。此外，本文提出了 RGB-Frequency Attention Module (RFAM) 来融合 RGB 和频率领域的信息进行更全面的局部特征表示，进一步提高了相似性模式的可靠性。广泛的实验证明了该方法在广泛使用的基准测试中始终优于最先进的技术。此外，详细的可视化展示了我们方法的鲁棒性和可解释性。

    May, 2021