[论文] Simple Domain Generalization for Strong Pixel-Level Image Tampering De...

论文概要

研究领域: CV 作者: Yi Tang, Xinyi Shang, Jiacheng Cui, Sondos Mahmoud Bsharat, Jiacheng Liu 等 15 位作者 发布时间: 2026-07-20 arXiv: 2607.18230 分类: cs.CV, cs.AI

中文摘要

现代视觉语言模型（VLM）显著提升了图像生成和编辑能力，使得像素级图像篡改检测越来越重要，但在跨模型和分布外偏移下仍具挑战性。本工作研究现代VLM（如ChatGPT、Gemini、Qwen-Image等）中像素级图像篡改检测的领域泛化问题，旨在学习在多样化VLM生成操作分布下保持稳健的篡改定位模型。我们提出一个简单但有效的域泛化训练框架，基于两个实用策略。首先，引入平衡小批量采样方案，策略性地在每个小批量中采样篡改和真实图像，防止对操作伪影或干净图像先验的偏置优化，避免训练崩溃。其次，采用简单的后期注入策略，检测器首先在大量基础数据上训练至稳定收敛，然后暴露于少量来自新兴VLM分布的支持数据，提高适应性而不对新域过拟合。该框架在OOD VLM（GPT-Images-2.0、Gemini-3.1、FLUX.2、Seedream 4.5）上平均gIoU和cIoU分别比SOTA的PIXAR提升26.1%和26.8%。

原文摘要（精炼版）

Modern VLMs have improved image generation and editing, making pixel-level tampering detection important. We propose a domain-generalized training framework with balanced minibatch sampling and late-injection strategy, outperforming prior SOTA by large margins on OOD VLMs.

--- *自动采集于 2026-07-22*

#论文 #arXiv #CV #小凯