.png){kind=icon}
返回
A modular image manipulation localization framework using a dual-stream classifier and conditional diffusion models
.png){kind=icon}
PRE
AI
DOI：10.1007/s11042-026-21940-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
图像篡改定位（IML），即精确识别图像中篡改区域的任务，仍是一个重大挑战。传统深度学习方法在泛化和适应新篡改方案方面往往存在困难。为解决这些局限性，提出了一种新颖的两阶段IML系统。第一阶段采用双流篡改分类器，通过类似ResNet的4阶段骨干网络融合标准RGB域特征与通过Steganalysis Rich Model（SRM）滤波器提取的低层取证噪声伪影，以精确将输入图像分类为四种常见篡改类型之一：复制-移动、拼接、移除（图像修复）或增强。第二阶段将分类后的图像引导至专门的条件扩散模型（CDM），将定位任务视为图像到掩码生成问题。这些CDM以输入图像为条件，并使用结合了均方误差（MSE）和交并比（IoU）的改进损失函数进行训练，以更好地处理较小的篡改掩码并鼓励更好的空间结构。在DF2023数据集上评估，篡改分类器达到89%的准确率，定位CDM实现平均IoU为0.70和F1-Score为0.77。该系统在基准数据集上表现出竞争性性能，证实了模块化、生成式方法在应对图像伪造复杂性问题上的有效性。
Keyword:
Image Manipulation Localization
Conditional Diffusion
Dual-Stream Classifier
Image Forensics
期刊
IF:
3
论文数:
2.0W
被引数:
3.2W
机构
暂无机构信息
引用论文
DH-GAN: Image manipulation localization via a dual homology-aware generative adversarial network.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏A Weakly Supervised Multi-Stream Feature Enhancement Network for Image Manipulation Detection and Localization一种用于图像篡改检测与定位的弱监督多流特征增强网络IEEE Access
OAAI
IEEE AccessIF3.6
OAAI分享收藏分享收藏Unravelling Digital Forgeries: A Systematic Survey on Image Manipulation Detection and Localization解开数字伪造: 图像处理检测和定位的系统调查
PREAI
分享收藏MapGen-Diff: An End-to-End Remote Sensing Image to Map Generator via Denoising Diffusion Bridge ModelMapGen-Diff：一种基于去噪扩散桥接模型的全局端到端遥感图像到地图生成器OAAI
OAAI分享收藏Learning Traces by Yourself: Blind Image Forgery Localization via Anomaly Detection With ViT-VAE自己学习痕迹: 通过ViT-VAE的异常检测进行盲图像伪造定位
PREAI
分享收藏
分享收藏
查看更多内容