基于多尺度视觉Transformer的图像篡改定位

摘要：

随着数字图像处理技术的不断发展,图像篡改不再局限于图像拼接等单一手段,而是通过图像编辑软件后处理隐藏恶意篡改痕迹,导致现有传统算法和基于深度学习的定位方法效果不佳.针对现有图像篡改算法定位精度不高的问题,文中提出了一种端到端基于多尺度视觉Transformer的图像篡改定位网络,该网络通过融合Transformer和卷积编码器来提取篡改区域与非篡改区域的特征差异,而多尺度视觉Transformer对不同尺寸图像块序列的空间信息进行建模,使得网络能适应各种形状大小的篡改区域.实验结果表明:所提出的算法在CASIA和NIST2016测试集上的F1分数分别为0.431和0.877,AUC值分别为0.728和0.971,相比当前的主流算法具有较为明显的性能提升;所提算法对JPEG压缩攻击具有较强的鲁棒性.

关键词：深度学习、视觉Transformer、图像篡改、纵横注意力

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

资助基金：国家社会科学基金;中山市产学研重大项目

在线出版日期：2022-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：10-18