FastForensics: Efficient Two-Stream Design for Real-Time Image Manipulation Detection

随着便携设备的普及，社交平台上虚假媒体的传播已经变得猖獗。这需要及时确定真实内容。然而，大多数先进的检测方法计算量较大，阻碍了它们的实时应用。在本文中，我们描述了一种高效的双流架构，用于实时图像篡改检测。我们的方法包括两个针对认知和审视角度的双流分支。在认知分支中，我们提出了高效的小波引导Transformer块，以捕获与频率相关的全局篡改痕迹。该块包含一个交互式小波引导自注意模块，将小波变换与高效的注意设计相结合，与审视分支的知识进行交互。审视分支由简单的卷积组成，捕获细粒度的痕迹，并与Transformer块进行双向交互，提供相互支持。我们的方法轻量级（约8M），但在与许多其他对手的竞争性能方面取得了竞争性能，证明了它在图像篡改检测方面的功效以及在便携集成方面的潜力。

本论文的问题是如何实现实时图像篡改检测。该问题针对社交媒体上的虚假媒体传播而提出，因为现有的高级检测方法在实时应用方面存在计算负担的问题。

论文提出了一种高效的两流架构，用于实时图像篡改检测。该方法包括认知和审视两个分支，其中认知分支采用高效的小波引导Transformer块来捕获与频率相关的全局篡改痕迹，而审视分支则采用简单的卷积来捕获细粒度痕迹。两个分支相互作用以提供相互支持。

该方法轻量级（约8M），但在图像篡改检测方面具有竞争力的性能。实验结果表明，该方法在检测真实图像和篡改图像方面表现出色。

最近的相关研究包括“Deep Image Prior for Image Restoration”（Ulyanov等人，2018）、“Learning to See in the Dark”（Chen等人，2018）和“Single Image Super-Resolution via a Holistic Attention Network”（Zhang等人，2018）等。