转账截图被 P 过一栏数字、事故现场照片里凭空多出一个人、朋友圈的瑜伽照其实是 AI 生成的。图像篡改检测就是回答两个问题:这张图有没有被动过,动过的地方在哪?
今天分享的这篇 CVPR2026 论文 ForensicNet,把"篡改定位"和"AI 生成鉴别"统一到一个框架:输入一张图,输出篡改概率和像素级篡改区域掩码,同时给出这张图是否为生成式模型合成的判别分数。在 CASIA/Coverage 等公开篡改基准以及多个生成图数据集上表现优于同量级方法,且对 JPEG 压缩、缩放这类二次处理有较好的鲁棒性。这类能力在内容审核、证据核验、反诈风控里都有实际价值。
一、图像篡改检测难在哪
1.1 篡改痕迹极其细微
一张高质量 P 图,肉眼几乎看不出破绽。拼接边缘被做过羽化融合、亮度色温调过一致、加了噪点掩盖。模型要找的是"人类视觉察觉不到"的统计痕迹,比如压缩痕迹不一致、噪声分布突变、局部色彩统计偏差。
1.2 二次处理会毁掉原始痕迹
图发到微信、抖音、微博,平台会重新压缩、缩放。原本明显的拼接边界被压得模糊,篡改区域的统计特征被抹平。论文里在干净数据上 95% 准确的方法,拿到社交平台转存图可能只剩 60%。鲁棒性是这类任务的头号门槛。
1.3 篡改方式太多,AI 生成又是另一类
传统篡改有拼接(copy-move、splicing)、删除、修复;新兴的还有整图由扩散模型生成、局部 inpaint 修补。不同手段留下的痕迹完全不同,一个模型很难全部覆盖。而且新生成模型迭代极快,模型容易过时。
1.4 标注数据难拿且不均衡
真实篡改样本涉及隐私和取证,公开数据集规模有限;生成图可以用模型批量造,但和真实使用场景的生成图分布又有差距。正负样本比例、域差异都会影响泛化。
二、ForensicNet 的三个核心设计
ForensicNet 的整体思路:不只看 RGB 内容,重点提取噪声残差和频域痕迹;用双分支分别覆盖"篡改定位"和"生成鉴别";靠退化增强训练挺过二次压缩。
2.1 噪声残差与频域双线索
•噪声残差分支:用高通滤波提取图像的噪声层。同一张原图的噪声分布是一致的,拼接进来的区域噪声特征会不同,这是经典且有效的线索。
•频域分支:转 DCT/FFT 看频谱,生成模型和重压缩会留下特定的周期性频域痕迹。
•双线索融合:RGB 语义特征只作为辅助,主体判断依赖残差与频域证据,避免模型"学内容"而不是"学痕迹"。
消融实验显示,去掉噪声残差分支后,在低质量 JPEG 上的篡改定位 IoU 下降明显——说明这条线索对压缩鲁棒性确实关键。
2.2 篡改定位与生成鉴别双分支
•定位分支:输出像素级篡改掩码,标出被改动区域,同时判断篡改类型倾向(拼接/复制/修补)。
•生成鉴别分支:输出整图真伪分数,判断是否由生成模型合成。
•证据共享:两分支共享底层残差特征,生成图往往全局痕迹一致,篡改图是局部痕迹突变,共享特征有利于区分两者。
2.3 退化增强训练
训练时主动模拟社交平台的处理链:
•随机 JPEG 重压缩:不同质量因子反复压缩。
•随机缩放与重采样:模拟上传下载后的分辨率变化。
•加噪与轻微模糊:模拟手机拍摄、屏幕翻拍。
让模型在"痕迹被削弱"的条件下仍然能判别,这是从实验室走向真实业务的关键一步。
三、技术架构拆解
模块 |
做什么 |
关键设计 |
残差提取前端 |
分离噪声层与内容层 |
高通滤波 + 频域变换,压制语义干扰 |
篡改定位分支 |
输出像素级篡改掩码 |
局部痕迹突变检测,附带篡改类型倾向 |
生成鉴别分支 |
判断整图是否 AI 生成 |
全局痕迹一致性打分,输出真伪概率 |
退化鲁棒训练 |
抵抗压缩缩放二次处理 |
随机重压缩/缩放/加噪增强 |
工程要点:
•输出双结果:定位掩码 + 真伪分数 + 置信度,便于人工复核。
•分级提示:低置信度结果标注"建议人工核验",不直接下"伪造"结论。
•模型更新:生成模型迭代快,需定期用新生成样本补充训练。
四、和主流方法的横向对比
在篡改定位基准与生成图鉴别数据集上的对比(数值为示意口径,复现以官方划分为准):
方法 |
篡改定位 IoU↑ |
生成图鉴别准确率↑ |
JPEG q=70 下 IoU↑ |
参数量(M) |
ELA + 传统特征 |
0.42 |
不支持 |
0.28 |
— |
RGB 语义 CNN |
0.61 |
76.2% |
0.39 |
24 |
噪声残差单分支 |
0.68 |
不支持 |
0.55 |
18 |
ForensicNet |
0.74 |
88.5% |
0.62 |
15 |
对比结论:纯 RGB 语义模型在干净图上表现还行,但一压缩就崩;噪声残差方法鲁棒但只能做定位。ForensicNet 把两条线索和两个任务合并,在压缩条件下依然保持较好定位能力,并且能兼判 AI 生成图。
五、快速上手:核心推理框架
python |
落地提示:模型输出的分数是"可疑程度",不能直接当成法律意义上的鉴定结论。涉及纠纷取证时,须保留原图文件与元数据,由专业机构出具报告。
六、毕设/竞赛拓展方向
6.1 证件与票据真伪核验
身份证、营业执照、转账截图的篡改检测,结合 OCR 提取文字做逻辑一致性校验(金额、日期是否被动过)。反诈、审核场景需求真实。
6.2 AI 生成内容溯源与水印检测
判断图像来源模型,并检测是否带有隐形水印标识。与当前内容标识合规要求贴合,属于前沿且有现实需求的方向。
6.3 视频篡改与深伪检测
从单图扩展到视频帧序列,检测换脸、口型伪造。和之前的人脸活体检测形成互补——活体管"是不是真人",深伪检测管"画面是否被合成"。
6.4 篡改检测结果可视化工具
做交互式核验工具:上传图片,叠加篡改热力图、给出可疑区域清单和置信度。偏系统实现,答辩演示直观。
七、写在最后
篡改检测和常规 CV 任务最大的不同:它对抗的是"刻意隐藏"。痕迹本身就是被掩盖的对象,所以不能指望模型靠语义内容判断,得往信号层深挖——噪声、频域、压缩痕迹,这些人才是最难完美伪造的。
ForensicNet 给我的启发是:面对"痕迹被削弱"的现实(平台压缩),训练阶段就必须主动模拟退化,而不是等上线后才发现效果崩。数据增强在这里不是锦上添花,而是决定模型能不能用。
做毕设的同学如果选这个方向,建议先跑通一个公开篡改数据集,再做一组"压缩前后性能对比"实验。能把鲁棒性讲清楚,这个题目就立住了。

