التحدي الرئيسي في كشف التلاعب بالصور هو كيفية تعلم الخصائص القابلة للتعميم التي تكون حساسة للتلاعبات في البيانات الجديدة، وفي الوقت نفسه محددة لمنع الإنذارات الكاذبة على الصور الأصلية. يركز البحث الحالي على الحساسية، مع إغفال الدقة. في هذا البحث، نعالج هذين الجانبين من خلال تعلم الخصائص متعددة الآراء والإشراف متعدد المقياس. من خلال استغلال توزيع الضوضاء والآثار الحدودية المحيطة بالمناطق المزورة، يهدف الأول إلى تعلم خصائص لا تعتمد على المعنى وبالتالي تكون أكثر قابلية للتعميم. يسمح الثاني لنا بتعلم من الصور الأصلية التي تكون غير بسيطة للأخذ في الاعتبار بواسطة طرق الشبكات العصبية المستندة إلى تقسيم الصور إلى أقسام ذات معنى (الشبكات العصبية المستندة إلى التقسيم الدلالي). يتم تحقيق أفكارنا من خلال شبكة جديدة نسميها MVSS-Net (شبكة MVSS). تبرر التجارب الواسعة على خمس مجموعات مرجعية جدوى MVSS-Net لكشف التلاعب على مستوى البكسل وعلى مستوى الصورة.