IMDL-BenCo: A Comprehensive Benchmark and Codebase for Image Manipulation Detection & Localization

在图像处理检测和定位（IMDL）领域，尚未建立全面的基准。缺乏这样的基准会导致模型评估不足和误导，严重破坏了该领域的发展。然而，开源基线模型的稀缺性和不一致的训练和评估协议使得在IMDL模型中进行严格的实验和忠实的比较具有挑战性。为了解决这些挑战，我们引入IMDL-BenCo，这是第一个全面的IMDL基准和模块化代码库。IMDL-BenCo：\textbf{i)}将IMDL框架分解为标准化的可重用组件，并修订了模型构建流程，提高了编码效率和自定义灵活性；\textbf{ii)}完全实现或结合最先进的模型的训练代码，以建立全面的IMDL基准；和\textbf{iii)}基于建立的基准和代码库进行深入分析，提供IMDL模型架构、数据集特征和评估标准的新见解。具体而言，IMDL-BenCo包括常见的处理算法、8种最先进的IMDL模型（其中1种是从头开始重现的）、2套标准的训练和评估协议、15种GPU加速的评估指标和3种鲁棒性评估。这个基准和代码库代表了在IMDL领域中校准当前进展和激发未来突破的重大进展。代码可在以下网址找到：https://github.com/scu-zjz/IMDLBenCo。

建立图像操纵检测和定位（IMDL）领域的全面基准，以解决当前该领域中缺乏标准化训练和评估流程的问题。

通过将IMDL框架分解为标准化、可重用的组件并改进模型构建流程，建立了IMDL-BenCo基准，并实现了8个最先进的IMDL模型的训练代码以及15种GPU加速的评估指标。

IMDL-BenCo包括常见的处理算法、8个最先进的IMDL模型、2组标准训练和评估协议、15种GPU加速的评估指标和3种鲁棒性评估。该基准和代码库为IMDL领域的发展提供了重要的参考，并为未来的突破提供了启示。

近期的相关研究包括：1）图像篡改检测的深度学习方法综述；2）基于注意力机制的图像篡改检测方法；3）基于CNN的图像篡改检测方法。