计算机工程

作者：徐雄, 杨欣宇, 朱学康, 杜博, 粟磊, 童炳魁, 雷泽宇, 周吉喆

单位：1. 中国电子科技集团公司第十研究所, 四川 成都 6100362. 四川大学计算机学院, 四川 成都 6102073. 澳门大学计算机与信息科学系, 澳门 9990784. 教育部机器学习与产业智能工程研究中心, 四川 成都 610065

关键词：图像篡改定位,视觉媒体数据集,数据集生成,任意尺度,超分辨率

基金：四川省港澳台科技创新合作项目(2024YFHZ0355)

在图像篡改定位(IML)领域, 现有数据集数量少、质量差, 难以支撑模型的泛化与鲁棒性。为此, 提出篡改掩膜生成(MMM)框架, 引入超分辨率模块以缓解原始图像与篡改图像清晰度差异带来的噪声问题, 并通过特征嵌入拼接与上下文建模生成高质量掩膜。基于MMM框架, 构建包含11 069对原始图像、篡改图像及掩膜的篡改掩膜生成数据集(MMMD), 其中涵盖复制移动、拼接、深度伪造(Deepfake)、图像修复和风格迁移等多种篡改方式。在CASIAv2、NIST16和IMD2020数据集上的实验结果表明, MMM框架取得了较好性能, 并在多种模型中展现出优良的泛化能力。进一步地, 使用MMMD预训练的MVSS-Net和IML-ViT在多个数据集上的F1值显著高于在传统数据集上预训练的模型, 凸显了MMMD在推动图像取证与篡改检测研究中的价值。

来源：2025年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第12期