다중 시점 다중 스케일 감독을 통한 이미지 조작 탐지

이미지 조작 감지는 새로운 데이터에서 조작에 민감하면서도 실제 이미지에서의 허위 경보를 방지할 수 있는 일반화 가능한 특징을 학습하는 것이 주요 과제입니다. 현재 연구는 특이성을 간과한 채 민감성에 중점을 두고 있습니다. 본 논문에서는 다중 시점 특징 학습(multi-view feature learning)과 다중 스케일 감독(multi-scale supervision)을 통해 이 두 가지 측면을 모두 다루고자 합니다. 조작된 영역 주변의 노이즈 분포와 경계 아티팩트를 활용하여, 전자는 의미론적으로 무관한(more generalizable features) 특징을 학습하려는 목표를 가지고 있습니다. 후자는 현재 의미론적 세그멘테이션 네트워크 기반 방법으로 고려하기 어려운 실제 이미지로부터 학습할 수 있게 해줍니다. 이러한 아이디어는 MVSS-Net이라는 새로운 네트워크로 구현되었습니다. 5개의 벤치마크 데이터셋에 대한 광범위한 실험은 MVSS-Net이 픽셀 단위 및 이미지 단위 조작 감지에 유효함을 입증합니다.