Bildmanipulationsdetektion durch mehrfache Sicht- und Skalenaufsicht

Die wesentliche Herausforderung bei der Erkennung von Bildmanipulationen besteht darin, verallgemeinerbare Merkmale zu lernen, die empfindlich auf Manipulationen in neuen Daten reagieren, gleichzeitig aber spezifisch genug sind, um Fehlalarme bei authentischen Bildern zu vermeiden. Die aktuelle Forschung legt den Schwerpunkt auf die Empfindlichkeit, während die Spezifität vernachlässigt wird. In dieser Arbeit adressieren wir beide Aspekte durch mehrfache Sichtmerkmalslernen (multi-view feature learning) und mehrskalige Überwachung (multi-scale supervision). Indem wir die Rauschverteilung und Randartefakte um manipulierte Bereiche herum nutzen, zielt das erstere darauf ab, semantikagnostische und daher verallgemeinerbarere Merkmale zu lernen. Das letztere ermöglicht es uns, aus authentischen Bildern zu lernen, die mit aktuellen Methoden basierend auf semantischer Segmentierung nicht trivial berücksichtigt werden können. Unsere Gedanken werden durch ein neues Netzwerk realisiert, das wir MVSS-Net nennen. Umfangreiche Experimente an fünf Benchmark-Datensätzen bestätigen die Eignung von MVSS-Net sowohl für die Pixel- als auch für die Bild-Level-Manipulationsdetektion.