论文提出了一种新的图像篡改检测方法，利用forensic similarity网络判断图像patch是否来自相同或不同相机模式、篡改操作或参数。该网络包括CNN特征提取器和三层相似性网络，能够在未知篡改类型的open set上训练，无需预先识别篡改类型。实验表明，该模型在相机型号检测、不同编辑操作和编辑参数的检测中表现优秀，即使在训练中未出现的forensic traces也能有效检测。
这篇论文主要提出了一种基于forensic similarity的数字图像检测方法。这个网络主要包含两个部分：CNN特征提取器和一个三层的神经网络，作者将其称之为相似性网络。这个网络输出一个score来指示两个图像patch是否：①由相同或不同的相机模式所捕获；②由相同或不同的篡改操作所修改；③给定篡改类型，是否由不同或相同的参数所篡改。
Motivation：
- 已存在的方法都是在固定的篡改方法进行的，当遇到新的篡改类型时，模型效果不太好。
- 许多已存在的方法不需要明确识别一种篡改类型，仅需要知道其经历过篡改即可。
因此，作者提出了一种新的取证方法，其可以在一open set of forensic traces上进行训练，并判断两个图像patch是否包含相同或不同的forensic traces。
这种方法的好处是不需要事先了解特定的篡改痕迹来做出判断。
How and why：
最低0.47元/天 解锁文章
扫一扫
3670
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
