DA-HFNet: Progressive Fine-Grained Forgery Image Detection and Localization Based on Dual Attention

随着人工智能生成内容（AIGC）所生成的伪造图像越来越难以准确检测，这带来了许多风险，需要开发有效的方法来识别和进一步定位伪造区域。本文旨在为研究工作提供便利，构建了一个由文本或图像辅助生成对抗网络（GAN）和扩散模型引导的DA-HFNet伪造图像数据集。我们的目标是利用分层逐步网络在不同尺度上捕捉伪造物品以进行检测和定位。具体而言，它依靠双重注意机制在深度上自适应地融合多模态图像特征，随后是多分支交互网络，以全面交互不同尺度的图像特征，并通过利用层之间的依赖关系来提高检测器性能。此外，我们提取更敏感的噪声指纹，以获得伪造区域中更突出的伪造物品特征。广泛的实验验证了我们方法的有效性，证明了与最先进的伪造图像检测和定位方法相比，性能有显着提高。代码和数据集将来会发布。

本论文旨在解决越来越难以准确检测AIGC（人工智能生成内容）生成的伪造图像所带来的风险，提出了一种新的方法来检测和定位伪造图像。

论文提出了一种基于分层渐进网络的双重注意机制，以适应性地融合深度中的多模态图像特征，并通过多分支交互网络来彻底交互不同尺度的图像特征，从而提高检测器的性能。

论文提出了一种新的方法来检测和定位伪造图像，使用了DA-HFNet数据集，该数据集由文本或图像辅助的GAN和扩散模型指导构建。同时，论文还提取了更敏感的噪声指纹，以获取伪造区域更突出的伪造特征。实验结果表明，与现有方法相比，该方法在伪造图像检测和定位方面具有显著的性能提升。

最近在这个领域中，还有一些相关研究，例如《Deep Image Prior》、《Generative Adversarial Nets》等。