画像操作検出の主要な課題は、新しいデータに対する操作に敏感でありながら、本物の画像で誤警報を防ぐ特異性を持つ一般化可能な特徴を学習することである。現在の研究では、感度が重視され、特異性が軽視されている。本論文では、多視点特徴学習と多スケール監督を通じて両面に対処する。改ざんされた領域周辺のノイズ分布と境界アーティファクトを活用することで、前者は意味情報に依存しない、つまりより一般化可能な特徴を学習することを目指す。後者は、現在の意味セグメンテーションネットワークベースの手法では考慮するのが難しい本物の画像から学習することを可能にする。これらの考え方は、我々がMVSS-Net（Multi-View and Multi-Scale Supervision Network）と呼ぶ新しいネットワークによって実現される。5つのベンチマークセットにおける広範な実験により、MVSS-Netがピクセルレベルおよび画像レベルでの操作検出において有効であることが証明されている。