计算机辅助设计与图形学学报

作者：李树原, 严彩萍, 李红

关键词：图像拼接篡改检测, 篡改区域定位, 卷积神经网络, 自注意力, 交叉注意力

目前已有许多基于卷积神经网络的框架用于图像拼接伪造检测, 然而由于篡改区域的尺度是变化的, 现有的大多数方法都不能获得令人满意的性能, 尤其是对于大尺度的对象.为了获得准确的篡改定位结果, 提出一种混合Transformer网络, 其将自注意力和交叉注意力结合到U2-Net中, 用于图像拼接伪造检测.首先在编码器的最后一个模块应用自注意力捕获长距离语义信息依赖关系, 使网络能够更完整地定位大尺度篡改区域; 然后在跳跃连接中设计一个交叉注意力模块, 在高层语义信息的指导下增强低层特征图, 并过滤非语义特征, 实现了更精细的空间恢复.混合网络中结合Transformer的自注意力和交叉注意力的优点, 能够从不同的尺度捕获更多的语义信息和空间依赖性, 即将卷积和Transformer融合在一起, 可以定位不同大小的拼接篡改区域, 而无需对大量图像进行预训练.在Casia2.0和Columbia这2个公共数据集上, 与4种传统方法和6种深度学习方法进行实验的结果表明, 所提网络取得了更优的性能.

来源：2024年第12期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第12期