Hybrid features and semantic reinforcement network for image forgery detection

最新推荐文章于 2024-08-06 16:22:09 发布
原创 最新推荐文章于 2024-08-06 16:22:09 发布 · 461 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

认为是2021年最靠谱的篡改检测类文章
作者是吉林大学的

代码未开源

使用的线索为图像重采样特征和空间特征（像素关系）。
在这里插入图片描述
其实这个网络像是U-net的框架

重采样特征

使用的是LSTM 网络，输入图为 256 * 256 分为的8 * 8个batch （32 * 32大小）。此信息流输出的仍旧是像素级别的分类，以前的论文会直接输出32 * 32块的分类。

语义扩张（Semant*ic reinforcement）

可以看作是跳跃连接，使用1*1卷积 改变了通道数

结果展示

在这里插入图片描述
就F1指标而言，感觉指标是普遍偏高了，尤其是ELA。

datasets

在这里插入图片描述

Boosting Image Forgery Detection using Resampling Features
chaofanjun
02-26 1060
最近读了篇与resample和篡改检测相关的论文，在这里写下总结。 论文链接：https://arxiv.org/abs/1802.03154 作者认为resampling检测算法有利于检测splicing和resampling，copy-move检测算法善于检测cloning和region removal。将这些互补的方法相结合可以提升检测准确率。文中，作者使用copy-move检测方法作为pr...
【论文笔记】Hierarchical Fine-Grained Image Forgery Detection and Localization
weixin_45366180的博客
05-30 1242
CNN合成域和图像编辑域生成的图像的伪造属性差异很大，这种差异使得统一的图像伪造检测与定位(IFDL)具有挑战性。提出了一个用于IFDL表示学习的层次化的粒度公式。具体来说，我们将在不同的级别上用多个标签来表示被操纵图像的伪造属性。然后，我们使用它们之间的层次依赖性在这些级别上执行细粒度的分类。因此，该算法既能学习不同伪造属性的综合特征，又能学习不同伪造属性的内在层次性，从而改进了IFDL表示。我们提出的IFDL框架包含三个部分：多分支特征提取器、定位和分类模块。
image-forgery-detection
09-13
说明： 在JPEG重压缩图像中定位出篡改区域,包括A-DJPG(对齐的JPEG重压缩），NA-DJPG（非对齐的JPEG重压缩）两类。(完整版) (Image Forgery Localization via Block-Grained Analysis of JPEG Artifacts.)
HiFi-Net: Hierarchical Fine-Grained Image Forgery Detection and Localization
weixin_43780665的博客
05-28 4318
论文：https://arxiv.org/abs/2303.17111 代码：https://github.com/CHELSEA234/HiFi_IFDL Abstract： cnn合成域和图像编辑域生成的图像伪造属性存在较大差异，这给统一的图像伪造检测与定位(IFDL)带来了挑战。为此，我们提出了一个分层细粒度的IFDL表示学习公式。具体来说，我们首先用不同级别的多个标签表示被操纵图像的伪造属性。然后，我们使用它们之间的层次依赖关系在这些级别上执行细粒度分类。因此，鼓励算法学习不同伪造属性的综合特
TruFor: Leveraging all-round clues for trustworthy image forgery detection and localization
weixin_43780665的博客
07-04 3854
paper：https://arxiv.org/pdf/2212.10957.pdf code：https://grip-unina.github.io/TruFor/ Abstract 在本文中，我们提出了TruFor，这是一个可以应用于各种图像处理方法的法医框架，从经典的廉价伪造到最近基于深度学习的操作。我们通过结合RGB图像和学习噪声敏感指纹的基于transformer的融合架构来提取高级和低级痕迹。后者学习嵌入与相机内部和外部处理相关的工件，仅以自我监督的方式对真实数据进行训练。伪造被检测为偏
CVPR 2021最全论文开放下载！附pdf下载链接！
中科院AI算法工程师的博客
06-18 1万+
CVPR 2021最全论文开放，附所有pdf下载链接！
【ECCV2020】接收论文列表part1
TomRen
07-18 7338
ECCV2020 接收论文完整列表 看论文学CV
【CVPR2022】论文列表与下载——PartTwo
TomRen
06-12 2886
CVPR2022完整论文列表
【论文阅读笔记】NeurIPS2020文章列表Part2
zincrain的博客
12-09 6412
Online Multitask Learning with Long-Term Memory Fewer is More: A Deep Graph Metric Learning Perspective Using Fewer Proxies Adaptive Graph Convolutional Recurrent Network for Traffic Forecasting On Reward-Free Reinforcement Learning with Linear Function A.
（八：2020.08.27）CVPR 2020 追踪之论文纲要（译）
热门推荐
Jojo论文基地
08-27 1万+
CVPR 2019 追踪之论文纲要（修正于2020.08.27）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 Respect！ 论文目录 论文 概要 12-in-1 - Multi-Task Vision and Language Repre
【论文笔记】Robust Image Forgery Detection Against Transmission Over Online Social Networks
weixin_45366180的博客
03-08 1597
OSN成为播伪造图片、报道假新闻、传播谣言等的主要渠道。但OSN所采用的各种有损操作，如压缩和调整大小，给实现鲁棒图像伪造检测带来了巨大的挑战。为了对抗OSN共享的伪造，本文提出了一种新的鲁棒训练方案。首先，设计了一个基线检测器，它在最近的证书伪造检测比赛中获得了第一名。然后对OSN引入的噪声进行了深入的分析，将其分解为两部分，即可预测噪声和不可见噪声，并分别建模。前者模拟了OSN公开的(已知)操作所带来的噪声。后者不仅完成了前一个操作，而且考虑了探测器本身的缺陷。
Optimized 3d Lighting Environment Estimation for Image Forgery Detection 笔记
yy0514yy的博客
06-26 454
摘要：以往的光照估计用到的光照模型的假设条件都很多，最主要的就是凸性和恒定反射率，这篇论文提出了一种更一般的光照模型，在此模型中，我们通过考虑遮挡几何和表面纹理信息，放宽了对凸性和恒定反射率的假设。Section2（光照估计的预备知识）：A.凸性非纹理曲面的光照模型在相当多的假设条件的限定下，光照模型可以表示成：其中，和表示的时入射光和法线方向，为积分区域，即上图的半球面，时一个3D表面点，时对应...
DiffForensics: Leveraging Diffusion Prior to Image Forgery Detection and Localization
weixin_43780665的博客
08-06 1582
由于篡改图像可能导致对视觉内容的误解，解决图像伪造检测和定位(IFDL)问题引起了公众的严重关注。在这项工作中，我们提出了一个简单的假设，即有效的法医方法应该关注图像的细微特性。基于这一假设，本文提出了一种利用扩散模型的两阶段自监督框架，即DiffForensics。DiffForensics从自监督去噪扩散范式开始，该范式配备了编码器-解码器结构模块，通过冻结预训练的编码器(例如，在ADE-20K中)来继承一般图像特征的宏观特征，同时鼓励解码器学习图像的微观特征表示，强制整个模型关注中观表征。
论文笔记(图像篡改检测_CVPRW2019)（二）：RRU-Net: The Ringed Residual U-Net for Image Splicing Forgery Detection
chaofanjun
12-11 3844
论文地址：http://openaccess.thecvf.com/content_CVPRW_2019/html/CV-COPS/Bi_RRU-Net_The_Ringed_Residual_U-Net_for_Image_Splicing_Forgery_Detection_CVPRW_2019_paper.html 论文中，作者提出了一个用于拼接检测的环形残差网络。此网络是一个端到端的im...
图像取证:源识别和伪造检测(Image Forensics: source identification and tampering detection) 续2
一亩半分地
03-05 1万+
图像取证：源识别和伪造检测 续2 ImageForensics: source identification and tampering detection 作者：IreneAmerini 佛罗伦萨大学 MICC 中文翻译：xizero00 常熟理工学院(CSLG) 下一代互联网实验室NGIL 在翻译的过程中遇到很多不懂的知识点，同时也恶补了相关的知识，包括《数字图像处理》，《统计
【论文精读】Low-Light Image Enhancement via a Deep Hybrid Network
weixin_42780429的博客
03-15 1449
目录论文出处摘要网络结构A.内容流B.边缘流损失函数MSE损失感知损失对抗性损失总的损失 论文出处 IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 28, NO. 9, SEPTEMBER 2019 摘要 1、提出了一种混合神经网络，由两个不同的流组成： 1）内容流：通过编解码器网络估计微光输入图像的全局内容，但是该部分会损失输入图像中的细节内容； 2）边缘流：提出了一种新的空间可变递归神经网络，在另一个自动编码器的指导下对边缘细节进行建模。 因此，网络可以同时学习微
图像篡改常用数据集casia
brightendavid的博客
08-28 8805
摘自论文 CASIA IMAGE TAMPERING DETECTION EVALUATION DATABASE 2013年发表的论文。 CASIA 数据集是Institute of Automation, Chinese Academy of Sciences 国人所作，中科院自动化研究所。 就图像篡改数据集而言，是相对其他任务更加容易获得的，单张篡改图像的制作难度很低，但是多样的篡改数据，适合训练的篡改数据难以制作。但是制作数据集的难度还是比较低的。所以会有不少人自己做数据集训练。 CASIA 和C.
CAT-Net: Compression Artifact Tracing Network 算法测试
brightendavid的博客
08-24 3498
2021年的开源图像篡改检测算法还是很难找的 这篇文章是 WACV2021 paper WACV据说是仅次于CVPR等的顶会。 https://github.com/mjkwon2021/CAT-Net 这个东西直接在github 上面搜索名字竟然搜不到。 但是会出现readme文档，在这个readme文档中点进去才会出现代码。 安装库版本 这些在requirements文件里面都有 torch==1.1.0 Cython pyyaml yacs>=0.1.5 tqdm torch_dct pil.
Global Semantic Enhancement Network for Lane Detection
最新发布
10-18
"Global Semantic Enhancement Network for Lane Detection" 即用于车道检测的全局语义增强网络。要查找相关资料可以通过以下几种途径： ### 学术数据库 - **IEEE Xplore**：电气和电子工程师协会（IEEE）的数据库，包含大量计算机科学、人工智能等领域的研究论文。可以在搜索框输入 "Global Semantic Enhancement Network for Lane Detection" 来查找相关的会议论文、期刊文章等。 - **ACM Digital Library**：美国计算机协会（ACM）的数字图书馆，其中有很多关于计算机视觉、模式识别方向的高质量研究，可能会有该网络相关的研究成果。 - **ScienceDirect**：涵盖自然科学、技术、医学等多个领域的学术数据库，能找到一些关于车道检测技术的前沿研究。 ### 学术搜索引擎 - **Google Scholar**：通过它可以搜索到全球范围内的学术文献，还能查看论文的被引用次数等信息，方便了解该领域的研究热度和影响力。输入相关关键词后，能获取到来自不同数据库、预印本平台等的资料。 - **Semantic Scholar**：不仅能搜索到学术论文，还能利用其语义分析功能，理解论文之间的关联，为你推荐相关的研究工作。 ### 代码托管平台 - **GitHub**：很多研究团队会将他们的代码开源在该平台上。在 GitHub 上搜索相关关键词，可能会找到该网络的实现代码、数据集以及使用说明等。例如，可能会有基于 PyTorch 或 TensorFlow 实现的车道检测代码，并且包含详细的训练和测试步骤。 ### 研究机构和学者个人主页 一些知名的计算机视觉研究机构（如 CMU 的计算机视觉实验室、MIT 的 CSAIL 等）和在车道检测领域有深入研究的学者，会在他们的个人主页上分享自己的研究成果，包括论文、代码和数据集等。 以下是一个简单的 Python 代码示例，用于从 Google Scholar 上搜索相关论文（需要安装 `scholarly` 库）： ```python from scholarly import scholarly # 定义搜索关键词 search_query = 'Global Semantic Enhancement Network for Lane Detection' # 进行搜索 search_results = scholarly.search_pubs(search_query) # 打印前 5 条结果 for i, result in enumerate(search_results): if i >= 5: break print(result) ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值