image manipulation localization
PulseAugur coverage of image manipulation localization — every cluster mentioning image manipulation localization across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的DiffIML框架使用基于评分的生成模型进行通用图像篡改定位
研究人员推出了DiffIML，一个利用基于评分的生成模型进行图像篡改定位（IML）的新颖框架。与容易过拟合特定伪迹的传统判别方法不同，DiffIML近似评分函数，以捕捉掩码分布的内在几何特性，从而能够更好地泛化到未见的篡改类型。该框架包含一个轻量级掩码特定VAE和一个用于提高效率的去噪U-Net，并结合了边缘监督以减轻误差累积。跨多个基准的实验证明了DiffIML的卓越性能和泛化能力。
-
新的GFrame框架利用三维几何改进图像篡改检测 · 跟踪2个来源
研究人员开发了一个名为GFrame的新框架，通过整合三维几何线索来改进图像篡改定位。传统方法依赖二维取证证据，当篡改区域无缝融合时，其有效性会降低。GFrame通过使用单目重建来提取深度和表面法线来解决这个问题，但关键在于它在利用重建的几何信息之前会估计其可靠性。这种方法将可靠的几何信息与RGB特征融合，提高了细粒度定位的准确性，并在预算限制下优于现有方法。
-
新的SIGMA方法可自动生成图像操纵定位掩码
研究人员开发了SIGMA，一种用于自动生成图像操纵定位（IML）数据集像素级掩码的新方法。SIGMA利用包含数百万原始和编辑图像对的现有图像编辑数据集，解决了低成本数据采集的挑战。该系统在视觉基础骨干网络中使用语义特征差异，并通过跨模态细化结合指令派生的空间先验，以准确识别操纵区域，甚至考虑了意外的副作用。SIGMA在性能上优于现有的掩码生成器，并且在应用于公共编辑语料库时，创建了一个大量的训练集，显著提高了各种IML检测器的性能。