CVPR2019论文基于异常特征来定位图像中的篡改痕迹(ManTra-Net: Manipulation Tracing Network For Detection And Localiztion)

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