Operation-wise Attention Network for Tampering Localization Fusion

该研究提出了一种操作级注意力网络,结合五种篡改检测方法的预测,生成篡改定位掩模。尽管方法简单,但表明整合多种线索在篡改检测中的重要性。使用DEFACTO和IFS-TC数据集进行训练和测试,结果显示融合方法优于单一方法,但评价指标有限。
摘要由CSDN通过智能技术生成

2021 arXiv
在这里插入图片描述
选取5种篡改检测方法做了一个加权的网络,来联合使用5种方法得出的预测图。这个网络真的做的简单。

RGB->5个特征+5个权重->RGB?

但是最后的输出是不是应该的单通道的H*W的mask图。

总觉得这种方法有点耍赖。但是篡改检测的最终方向一定是类似这种方法,把所有的线索都进行考虑,然后对不仅要由所有的线索推断篡改痕迹,所有的线索之间的联系做一个相关,不相关的线索认为是造假的(欺骗检测方法的),最后综合的判断篡改的像素。

这5种方法使用的线索是jpg压缩线索,图像的噪声线索。就是用的方法有点老了,都是2015,2018的算法。

那么这个方法的应用就必然是jpg篡改了。
在这里插入图片描述

train

使用 DEFACTO dataset
百度学术的链接,不是数据集下载链接

DEFACTO dataset:用于图像和面部操作检测和定位,称为DEFACTO。该数据

评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值