CIOT15的博客

原创 IJCAI23 Discrepancy-Guided Reconstruction Learning for Image Forgery Detection

现有方法的泛化能力有些受限，因为它们过分强调显式不同的结果（即篡改区域）特征的影响，这限制了它们的潜在使用范围。具体来说，仅学习某些特定类型的篡改模式远非实用，因为我们无法假设篡改方式。为了提高泛化能力，有助于学习一组紧凑的视觉模式，这些模式固有地包含一些一般的图像属性，例如同时的局部纹理、一致的区域分辨率和连续的明亮变化。对于图像伪造检测，为了实现这个目标，一些工作表明图像重构是一种有效的方法。重构输出具有丰富的紧凑模式，并抑制局部的篡改区域。