Multi-task Fully Convolutional Network (MFCN)和single-task FCN(SFCN)

Image Splicing Localization Using A Multi-Task Fully Convolutional Network (MFCN)

多任务的全卷积网络篡改检测问题

旧有的区域检测网络可以提供篡改区域的掩膜，但是对于篡改区域与原图的边缘往往是区分的很粗糙的。

但是若是篡改边缘的检测，那么对于篡改边缘的预测想必会好一些。

但是篡改边缘的问题也十分的明显，篡改边缘是极其容易被掩盖的。

甚至如今PS就自带了类似边缘模糊的功能。
如下图是通过PS自动套索工具产生的一个特定无意义区域。

观察周边的半透明像素，当这个图层与其他图层堆叠，半透明的像素就会和下面的图层的颜色做一个调整,篡改的边缘能够剩下多少就很难说了。

篡改边缘检测的阻力还是很大的。

这一点上篡改区域的检测就比较占优，无论边缘模糊成什么样子，篡改的区域总是能够检测出一些的。


SFCN 和 MFCN

使用多任务网络的输出有两张方法

• 将边缘的输出只用于权重的变化，实际的输出还是区域

• 同时使用边缘和区域的输出 ，实际的做法是把边缘的输出填充为区域，做去噪之类的预处理之后，和区域的输出做与操作

Image Splicing Localization Using A Multi-Task Fully Convolutional Network (MFCN)
这篇文章使用第二种方法使用边缘的pred图。

但是边缘填充也不是说的那么简单的。问题很复杂。