CAT-Net: Compression Artifact Tracing Network for Detection and Localization of Image Splicing

图像篡改检测的定位分为三类： 基于块的检测 ，补丁检测，和像素级的检测

视觉线索和压缩伪影：可以作为两个依据来判定图像的篡改

视觉线索即像素之间的关系。对于单纯把视觉线索作为网络检测标准的网络，把复制粘贴到纯色背景的情况是绝对检测不出来的。在表格篡改和标语篡改中，这种情况还是很常见的。

而压缩伪影：特指Jpg压缩所用的DCT矩阵，一般还是识别jpg双压缩线索比较常见。ELA之类的。

池化：研究表明不适合图像的篡改检测，强化图像的内容，抑制噪声信号。池化可能在cv的其他领域的效果不错，但是在图像篡改检测邻域，会破坏图像像素之间的细微线索，导致检测的失败。

这个网络结构好像最近很流行，这种多分辨率融合网络，2021年的论文已经连续看到2篇了。

这个结构的网络说起来真的挺有道理的，多个尺度的特征进行融合，多个分辨率，使用低维特征什么的。

总之就是从像素的线索和 压缩伪影的线索分别输入到两个流中，最后输入到一个特征融合器里面进行特征的融合。