零样本破解图像伪造！不用训练数据，单张照片就能揪出篡改痕迹
Zero-Shot Color Image Manipulation Localization via Noise Residual Artifact Pattern Analysis
📖 AI 总结
该研究提出了一种零样本、无需训练的彩色图像篡改定位方法。传统被动取证方法多依赖拜耳残差中的绿色通道，忽略其他颜色通道信息，且通常需要训练数据或设备注册。新方法直接从单张可疑图像的噪声残差中估计参考伪影模式，不依赖固定滤波器配置、颜色布局或块周期。其流程包括基于采集与插值噪声方差比的原则性去噪器选择、针对参考模式的块级相关性分析，以及双分量高斯混合模型评分以生成像素级篡改概率图。消融实验评估了去噪器选择和块大小的影响，与现有被动方法的对比显示该零样本方法具有竞争力。这一研究为图像取证提供了一种更灵活、无需先验知识的篡改检测方案。
🔑 关键词速览
| Zero-Shot | 零样本，指模型在未见过的类别或数据上无需额外训练即可进行推理的能力。 |
| Noise Residual | 噪声残差，指图像中去除内容信息后留下的传感器或处理痕迹，常用于取证分析。 |
| Artifact Pattern | 伪影模式，指相机硬件或软件在图像中留下的独特系统性痕迹，可用于识别来源或篡改。 |
| Bayer Residual | 拜耳残差，指从拜耳滤色器阵列原始数据中提取的噪声部分，通常用于分析颜色通道的插值痕迹。 |
| Gaussian Mixture Model | 高斯混合模型，一种概率模型，用于将数据分布表示为多个高斯分布的加权和，常用于分类或评分。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅