Jun, 2024

探索多视角像素对比度的通用和鲁棒图像伪造定位

PDF
TL;DR提出了一种多视角像素对比算法（MPC）来进行图像伪造定位，通过预训练主干网络和微调定位头，增强像素定位器，并在不同规模的训练数据集上进行广泛实验证明该方法具有更高的泛化性能和对后期处理的鲁棒性。
image forgery localizationdeep learningpixel relationshipsmulti-view pixel-wise contrastive algorithmgeneralization performance
发现论文，激发创造
  • 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

  • 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

  • 对比学习下的视频修复定位

    基于对比学习的 Video Inpainting LOcalization (ViLocal) 方案使用 3D Uniformer 编码器学习了有效的时空取证特征，通过吸引 / 排斥正 / 负原始和伪造像素对捕捉到了图像修复不一致，然后通过专门的两阶段训练策略利用轻量级卷积解码器生成了一个像素级修复定位地图，实验证明 ViLocal 优于现有技术。

    Jun, 2024

  • 人脸篡改检测和定位的多光谱类别中心网络

    本研究重建了 FaceForensics ++ 数据集，引入像素级别的注释，并提出了一种新的多光谱中心分类网络（MSCCNet）来检测和定位面部操纵。

    May, 2023

  • 探索跨图像像素对比用于语义分割

    提出了一个利用对比学习实现像素级别度量学习的语义分割框架，能够从全局上探索标记像素的结构，并在多个数据集上带来了显著的性能改进。

    Jan, 2021

  • 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

  • 像素对比一致性半监督语义分割

    提出一种新型半监督语义分割方法，结合像素级 L2 损失和像素对比损失以实现两个分割模型规则：图像增强之间的标签空间一致性性质和不同像素之间的特征空间对比性质，采用 DeepLab-v3+ 结构和多个数据集进行了广泛的实验，表现出最先进的性能。

    Aug, 2021

  • 层次对比学习用于模式通用图像污损检测

    研究论文提出了一种通过对比学习来检测图像中大尺寸污损区域的方法，并且克服了不同污损模式的挑战，实现了图像修复的优越性能和泛化能力。

    Aug, 2023

  • 自我传播：探索像素级一致性用于无监督视觉表示学习

    本文提出了基于像素级别前提任务来学习密集特征表示的方法，并使用此方法在目标检测和语义分割数据集上超越了目前最好的方法

    Nov, 2020

  • 密集预测任务的多级对比学习

    本文介绍了一种名为 Multi-Level Contrastive Learning for Dense Prediction Task (MCL) 的自监督学习方法，该方法通过实现一种装配多尺度图像的贡献任务，显式地编码绝对位置和比例信息，从而使神经网络能够学习区域语义表示。实验表明，MCL 在各种数据集上始终优于最新的现有方法。

    Apr, 2023