多尺度和深度监督的网络用于图像拼接本地化
Sheng Qin1,2, Ce Liang1,2, Yuling Luo1,2
1Guangxi Key Lab of Brain-Inspired Computing and Intelligent Chips, School of Electronic and Information Engineering, Guangxi Normal University, Guilin, China.
Frontiers in artificial intelligence
|October 13, 2025
概括
检测改图像对于国家安全至关重要. 一个新的多尺度网络使用深度监督和全球特征提取,准确地定位图像拼接改.
科学领域:
- 计算机视觉 计算机视觉
- 数字法医学数字法医学
- 图像处理 图像处理
背景情况:
- 恶意改图像对媒体完整性和国家安全构成风险.
- 现有的图像拼接改本地化方法缺乏足够的全球信息交互.
- 需要精确检测和定位改区域.
研究的目的:
- 提出一种有效的方法来定位图像拼接改.
- 通过整合全球信息来解决现有方法的局限性.
- 开发一个能够对被改区域进行像素智能预测的网络.
主要方法:
- 一个基于编码器-解码器架构的多尺度,深度监督的图像拼接改本地化网络.
- 使用不同级别的特征地图来深入监督拼接位置.
- 整合一个多尺度的特征提取模块,以扩展全球视图.
主要成果:
- 拟议的网络在CASIA数据集上获得了0.891的F1分,在COLUMB数据集上达到0.864.
- 该模型展示了被改区域的准确定位.
- 多尺度特征提取模块改善了被改和未被改区域之间的区分.
结论:
- 拟议的多规模,深度监督的网络对于图像拼接改定位是有效的.
- 全球信息和多尺度特征的整合提高了检测准确度.
- 该方法为识别恶意改图像提供了一个强大的解决方案.
