.png){kind=icon}
返回
Context-Aware Weakly Supervised Image Manipulation Localization With SAM Refinement
.png){kind=icon}
PRE
AI
DOI：10.1109/LSP.2025.3592110.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
恶意图像篡改带来社会风险，增加了有效图像篡改检测方法的重要性。图像篡改检测的最新方法在很大程度上由全监督方法驱动，这些方法需要耗费大量劳动力的像素级标注。因此，探索仅需图像级二分类标签进行训练的弱监督图像篡改定位方法至关重要。然而，现有的弱监督图像篡改方法忽视了边缘信息对精确定位的重要性，导致定位性能次优。为解决此问题，我们提出了一个基于上下文的边界定位（CABL）模块，用于聚合边界特征并学习上下文不一致性以定位篡改区域。此外，通过利用类激活映射（CAM）和万能分割模型（SAM），我们引入了CAM引导的SAM细化（CGSR）模块，以生成更精确的篡改定位图。通过整合这两个模块，我们提出了一种基于双分支Transformer-CNN架构的新型弱监督框架。我们的方法在多个数据集上实现了卓越的定位性能。
Keyword:
Context-aware boundary localization
image manipulation localization
weakly supervised
期刊
IF:
9.6
论文数:
1.1W
被引数:
1.7W
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏
查看更多内容