1. Introduction
现实中的图像篡改取证问题一般都是有各种各样的篡改类型,有时候甚至是组合的篡改攻击,为了解决这个问题,本文提出了一种统一的深度神经网络架构,ManTra-Net。 不同于现有的很多方法,ManTra-Net是端到端的,即输入一张图片,输出一张同样尺寸的灰度图,其中原图中被篡改的位置概率值大。并且网络对输入图像尺寸无要求,支持拼接,copy-move,removal,enhancement等篡改类型。这篇论文一共不声不响的干了三件事:
- 设计了一个简单但是有效的自监督学习任务,分类385中图像篡改类型。385种类型
- 将图像篡改位置检测问题作为一个局部异常检测问题,并且提出了一个新的基于LSTM的检测这些局部异常的办法。
- 设计了精细的实验,系统的优化了文中提出的这个网络。
(PS:此篇论文的一作是亚马逊的,虽然文中表示此工作是在加入亚马逊之前完成的…论文地址)
2. Proposed framework
2.1 相关的一些工作。一张图明了:
2.2 网络结构概览
从上面的网络中可以看出,整个网络结构分为两个子网络,第一个子网络负责篡改痕迹特征提取,并且提供一种统一的特征表达,第二个子网络,即局部异常检测网络(local anomaly detection network (LADN)) 直接定位被篡改的区域。在这个网络中,论文一共做了三点贡献:
- 重新