图像绘制伪造检测:一篇评论
Adrian-Alin Barglazan1, Remus Brad1, Constantin Constantinescu1
1Faculty of Engineering, Computer Science, "Lucian Blaga" University of Sibiu, 550024 Sibiu, Romania.
Journal of imaging
|February 23, 2024
概括
本文审查了基于机器学习的图像绘制和伪造检测方法,用于移除对象. 它突出了绘画中的文物,并评估了当前的检测技术,数据集及其局限性.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 数字法医学数字法医学
背景情况:
- 机器学习的进步改善了图像恢复,但也使复杂的图像操纵成为可能.
- 随着互联网对操纵的多媒体信息的扩散,需要强大的检测方法.
研究的目的:
- 从数字图像中删除对象的 inpainting 算法和伪造检测技术进行全面审查.
- 分析传统和基于神经网络的方法,识别绘制文物,并评估最先进的检测技术.
主要方法:
- 审查纹理合成和基于神经网络的绘画技术.
- 通过inpainting移除物体引入的文物分析.
- 评估当前的伪造检测方法和相关数据集.
主要成果:
- 油漆技术,在提高图像质量的同时,引入可检测的文物.
- 现有的检测方法在有效性上有所不同,与不同的涂漆策略相比.
- 对方法的比较分析揭示了当前的能力和限制.
结论:
- 了解绘制文物对于有效的伪造检测至关重要.
- 该研究提供了对检测图像中物体移除的最先进技术的全面概述.
- 需要进一步的研究来解决当前检测方法的局限性.


