一、Abstract
1、
Mantra-Net是一个端到端的网络,无需进行预处理与后处理,可执行定位与检测,是一个全卷积神经网络。
2、
学习385种图像操作类型中学习出鲁棒的图像操作轨迹。
3、
设计一个Z函数捕捉局部异常,并通过时间轴进行结合(ConvLSTM)评估局部异常
4、
ManTra-Net可进行多篡改区域检测,不仅仅局限于单一的篡改。
二、Introduction
传统方法只关注与图像级而不关注于像素级,图像级就是一个 像素为中心取一个图像块,取图像块的特征作为样本进行训练。并且定位的过程繁琐。
ManTra-Net通过识别局部异常特征来检测伪造像素,是一个端到端的网络,并不需要预处理与后处理。
三、Manipulation Tracing Network
1、related works
大多数方法只某种特定的篡改操作
2、OverView
三个贡献
1、图像操作检测从少部分操作到现在能够区分385种已知操作,并且即使对编码未知类型的操作也具有鲁棒性。
2、把IFLD的语义分割问题转换为局部异常检测问题,我们想学习的是局部特征与其伪造标签之间的差异中学习决策函数映射。设计ZPool2D层,模拟人眼进行远距