SurFITR：用于监控图像伪造检测和定位的数据集

我们提出了监视伪造图像测试范围 (SurFITR)，这是一个用于监视式图像伪造检测和定位的数据集，以响应开放获取图像生成模型的最新进展，这些进展引起了人们对伪造视觉证据的担忧。现有的伪造模型是在具有全图像合成或以对象为中心的图像中的大型操纵区域的数据集上进行训练的，很难推广到监控场景。这是因为监控图像中的篡改通常是局部且微妙的，发生在具有不同视点、小或被遮挡的主体以及较低视觉质量的场景中。为了弥补这一差距，SurFITR 提供了通过多模式 LLM 支持的管道生成的大量具有法医学价值的图像，从而能够在不同的监控场景中进行语义感知、细粒度的编辑。它包含超过 137k 个具有不同分辨率和编辑类型的篡改图像，这些图像是使用多种图像编辑模型生成的。大量实验表明，现有检测器在 SurFITR 上性能明显下降，而在 SurFITR 上进行训练则在域内和跨域性能方面产生了显着改进。 SurFITR 可在 GitHub 上公开获取。