原创

： Exploiting Spatial Structure for Localizing Manipulated Image Regions

Exploiting Spatial Structure for Localizing Manipulated Image Regions

Exploiting Spatial Structure for Localizing Manipulated Image Regions
ICCV 2018

部分的篡改图像，根本就不符合逻辑，不符合图像的基本语义信息。
剩下的大部分的图像篡改，通过放大图像就可以被人眼识别出来。

这是篡改水平决定的。

一般而言，为了边缘的平滑过度，不被人眼识别出怪异，一般在图像篡改后进行边缘的平滑。
因此，放大边缘，一般有锯齿的是真实图像，而很明显的没有锯齿痕迹的往往是篡改图像。欲盖弥彰。

针对的预测是Patch labels ,像是交叉熵loss
在这里插入图片描述

就是交叉熵loss
在这里插入图片描述

在这里插入图片描述
最终计算的loss为二者简单相加

在这里插入图片描述
那个CRF RNN 是语义分割模型的结果，不知道作者说半天语义分割是想要表达什么。

由于算法加入了块的预测，并由块的分类结果影响了像素的预测结果，所以会在其中由一些明显的割裂感，是这个小块被预测为正确块的影响，导致了整个小块全部被更改为正确。

由大而小，分而治之的思想。这种做法理论上还是很有道理的，不知道实际做出来效果怎么样，这篇算法没有测试过。
下面的链接感觉是这篇算法的代码。