- 博客(2)
- 收藏
- 关注
RSS订阅原创 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。
2023-07-05 17:59:47
375
1
原创 ECCV 2022 An Information Theoretic Approach for Attention-Driven Face Forgery Detection
因此，将SIA模块插入模型浅层是直观的，这有助于增强自信息。然而，在更深的层次中，下采样操作会忽略许多局部和微妙的伪造信息，其中SI很难找到有用的伪造检测线索。总之，将SIA插入浅层或中间层（L1，L2，L4）是自然和合理的，我们的实验确实证实了这一点。我们设计了一个自信息聚合操作，该操作是通过自我信息注意力图对不同级别的SIA模块进行级联完成的。我们可以观察到，自我信息高的信道包含更多的局部高频线索和微妙的细节，而较低的信道具有更多的语义信息和更平滑的线索，这对人脸伪造检测任务的帮助较小。
2023-03-17 15:43:30
268
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人