【導(dǎo)讀】下圖是 2008 年伊朗政府發(fā)布的一張圖片，然而強大的網(wǎng)友們卻憑借著肉眼，看出來圖中黃色圈出的部分和紅色圈出的部分是一模一樣的，不得不說網(wǎng)友們真的是火眼金睛。而在今年的 CVPR 計算機(jī)視覺大會， Adobe 展示了他們最新的研究，旨在利用機(jī)器學(xué)習(xí)識別經(jīng)過處理過的圖像。這篇研究論文在業(yè)內(nèi)雖然談不上什么突破性，而且也還沒有轉(zhuǎn)化為商業(yè)化產(chǎn)品，但是看到作為圖像編輯軟件龍頭老大的 Adobe 進(jìn)行這樣的研究，著實是一件有趣的事。今天人工智能頭條就為大家介紹一下這個有趣的工作！

▌前言

世界各地的專家越來越擔(dān)心新的 AI 工具的出現(xiàn)讓圖片和視頻編輯越來越容易，尤其是一些令人震驚的內(nèi)容在社交媒體上未經(jīng)查實就可以被迅速傳播。 Adobe 就是此類 AI 工具中的佼佼者，不過它也在研究如何利用機(jī)器學(xué)習(xí)自動識別被編輯過的圖片，以解決上述問題。

這篇新論文展示了如何利用機(jī)器學(xué)習(xí)識別三種常見的圖像處理操作：

拼接（splicing）—— 拼接取自不同圖像的兩部分；如下圖中第一行，經(jīng)過識別與分析，向日葵并不是原圖中的一部分，是從另外一張圖片中截取后放到最后的圖片中，這種對圖片的編輯操作叫拼接；

復(fù)制（cloning）—— 在同一圖像中復(fù)制粘帖物體；下圖中第二行，真的是兩只鳥嗎？經(jīng)過識別與分析發(fā)現(xiàn)，后面更遠(yuǎn)處的那只鳥完全是前面更近這只鳥的復(fù)制品，這類操作叫圖片的克?。◤?fù)制）；

移除（removal）——移除圖像中的物體；下圖中第三行，可以非常容易的發(fā)現(xiàn)，黃色小球被從圖片中移除了，這種對圖片的操作稱為移除。

為了識別出這些處理操作，數(shù)字取證專家通常會在圖像的隱藏圖層中尋找線索。上面提到的三種操作往往會留下數(shù)字處理痕跡，例如：由圖像傳感器造成的顏色和亮度隨機(jī)變化不一致現(xiàn)象（也稱圖像噪聲）。舉例來說，當(dāng)拼接兩張不同圖像，或者在同一圖像中將某一部分中的一個物體復(fù)制粘帖到另一部分時，背景噪聲會無法匹配，就像是用另一種與墻面顏色相近的顏料涂抹墻上的一個斑點。

和許多其他機(jī)器學(xué)習(xí)系統(tǒng)一樣，Adobe 的機(jī)器學(xué)習(xí)系統(tǒng)在訓(xùn)練時使用的也是由經(jīng)剪輯圖像組成的大型數(shù)據(jù)集。借助這個數(shù)據(jù)集，系統(tǒng)學(xué)習(xí)并識別篡改操作的常見模式。

▌研究介紹

圖像處理檢測與傳統(tǒng)的語義對象檢測不同，前者更多關(guān)注的是篡改痕跡而不是圖像內(nèi)容，這意味著圖像處理檢測需要學(xué)習(xí)豐富的特征。我們用四個標(biāo)準(zhǔn)圖像處理數(shù)據(jù)集進(jìn)行了試驗，試驗表明我們所提出的雙流框架的檢測性能達(dá)到了先進(jìn)水準(zhǔn)，不僅優(yōu)于單流框架，而且優(yōu)于其他替代方法，并且對圖像尺寸調(diào)整和壓縮有很好的魯棒性（robustness）。

圖像編輯方法和方便的圖像編輯軟件出現(xiàn)后，低成本的圖像篡改或處理操作得到了廣泛使用。有時，在完成拼接、復(fù)制或移除這三種常見的處理操作后還要進(jìn)行后處理，例如高斯平滑處理（Gaussian smoothing）。即使進(jìn)行仔細(xì)檢查，人類也很難識別出被處理的區(qū)域。

用不同篡改方法處理后的圖像示例

從上到下分別展示的是拼接、復(fù)制移動和移除操作

這些篡改方法使得分辨真實圖像和被處理過的圖像變得越來越難。專注于圖像取證（image forensics）的新研究非常重要，因為其目標(biāo)是防止不法分子使用被篡改的圖像進(jìn)行不道德的商業(yè)或政治活動。當(dāng)前的目標(biāo)檢測網(wǎng)絡(luò)主要用于檢測圖像中所有不同類別的目標(biāo)，而圖像處理檢測網(wǎng)絡(luò)專門用于檢測被篡改的區(qū)域（通常為圖像中的目標(biāo)）。通過研究RGB圖像內(nèi)容和圖像噪聲特征，我們探討了如何調(diào)整目標(biāo)檢測網(wǎng)絡(luò)，以使其能夠執(zhí)行圖像處理檢測。

圖像取證的最新研究利用局部噪聲特征和相機(jī)彩色濾波陣列（Camera Filter Array，CFA）模式等線索，將圖像中的特定patch或像素分類為“被篡改”和“未被篡改”兩個類別，并定位被篡改的區(qū)域。其中，大部分方法針對的是一種單一篡改方法。最近提出的一種基于長短期記憶網(wǎng)絡(luò)（LSTM）的架構(gòu)通過學(xué)習(xí)可以檢測被篡改的邊界（edge），并對被篡改的 patches 進(jìn)行分割。

在本文中，我們提出了一種雙流Faster R-CNN網(wǎng)絡(luò)，對其進(jìn)行端對端訓(xùn)練，檢測經(jīng)處理圖像中被篡改的區(qū)域。其中一個流是RGB流，其作用是從RGB圖像輸入中提取特征，找出篡改痕跡（例如：對比度差異、不自然的邊界等）。另一個流是噪聲流，其作用是利用從SRM模型（steganalysis rich model）過濾層中提取的噪聲特征，找出圖像中真實區(qū)域和被篡改區(qū)域的噪聲間的不一致。然后，用一個雙線性池化層整合從RGB流和噪聲流中提取出的特征，以進(jìn)一步改進(jìn)這兩種模式的空間共現(xiàn)性（spatial co-occurrence）。

雙流Faster R-CNN網(wǎng)絡(luò)圖示

網(wǎng)絡(luò)結(jié)構(gòu)中各部分為：

RGB stream input：RGB 流輸入；對可見的篡改痕跡（例如：物體邊界經(jīng)常出現(xiàn)的高對比度）進(jìn)行建模，并將邊界框（bounding boxes）回歸為ground-truth。

SRM filter layer：SRM 過濾層；提取噪聲 feature map，然后利用噪聲特征提供圖像處理分類的附加依據(jù)；

Noise stream input：噪聲流輸入；分析圖像中的局部噪聲特征，先讓輸入RGB圖像通過一個 SRM 過濾層；

RGB Conv Layers：RGB 卷積層

Noise Conv Layers：噪聲卷積層

RGB 流和噪聲流共用 RPN 網(wǎng)絡(luò)生成的 region proposals，RPN 網(wǎng)絡(luò)只將 RGB 特征作為輸入。Faster R-CNN 中的 RPN（Region Proposal Network）負(fù)責(zé) propose 可能包含相關(guān)目標(biāo)的圖像區(qū)域，其經(jīng)過改造后可以執(zhí)行圖像處理檢測。

RPN layer：RPN 層

RoI pooling layer：Rol 池化層；從 RGB 流和噪聲流中選擇空間特征；

RGB RoI features：RGB RoI 特征；

Bilinear pooling：雙線性池化；

Noise RoI features：噪聲 Rol 特征；

預(yù)測邊界框（表示為‘bbx pred’）是 RGB Rol 特征中生成的。為了區(qū)別被篡改和未被篡改的區(qū)域，我們利用從 RGB 通道中提取的特征來捕捉線索，例如：被篡改邊界視覺上的不一致，被篡改區(qū)域和真實區(qū)域間的對比效應(yīng)等。

在完成 Rol 池化后，網(wǎng)絡(luò)的線性池化層將整合從 RGB 流和噪聲流中分別提取的空間共現(xiàn)特征。

最后，將所得結(jié)果輸入到一個全連接層和一個 softmax 層，網(wǎng)絡(luò)生成預(yù)測標(biāo)簽（表示為‘cls pred’)）并確定預(yù)測邊界是否經(jīng)過處理。

第二個流背后，當(dāng)從圖像（源圖像）中移除某一目標(biāo)并將其粘貼到另一圖像（目標(biāo)圖像）中時，源圖像和目標(biāo)圖像的噪聲特征是不可能匹配的。如果用戶對被篡改的圖像進(jìn)行壓縮，就可以部分掩飾這些特征差異。

為了利用這些特征，我們將 RGB 圖像轉(zhuǎn)化為噪聲域（noise domain），然后將局部噪聲特征作為第二個流的輸入。在一張圖像中生成噪聲特征的方法有很多種。我們參考了 SRM 模型（steganalysis rich model）圖像處理分類的最新研究后，最終選擇 SRM 過濾器核（SRM filter kernels）來生成噪聲特征，然后將這些 SRM 過濾器核最為第二個 Faster R-CNN 的輸入通道。

對 RGB 流和噪聲流中提取的特征進(jìn)行雙線性池化，然后每個 Rol 池化層將依據(jù)從這兩個流中提取的特征檢測篡改痕跡。

▌研究結(jié)果

先前的圖像處理數(shù)據(jù)集只有幾百張圖像，不足以訓(xùn)練一個深度網(wǎng)絡(luò)。為了克服這個困難，我們在 COCO 數(shù)據(jù)集的基礎(chǔ)上創(chuàng)造了一個合成的篡改圖像數(shù)據(jù)集，用來預(yù)訓(xùn)練模型，然后再在不同數(shù)據(jù)集上對模型進(jìn)行微調(diào)，以進(jìn)行測試。我們在四個標(biāo)準(zhǔn)數(shù)據(jù)集上的試驗結(jié)果表明，該模型的表現(xiàn)十分優(yōu)秀。我們的這項研究有兩大貢獻(xiàn)。一，我們展示了如何將 Faster R-CNN 框架改造為可以執(zhí)行圖像處理檢測的雙流框架。我們研究了兩種模式——RMB 篡改痕跡和局部噪聲特征不一致性，對這兩種模式進(jìn)行雙線性池化，以識別被篡改的區(qū)域。二，我們證明了在檢測不同篡改方法時 RGB 流和噪聲流時互補的，這使得我們的框架在四個圖像處理數(shù)據(jù)集上的表現(xiàn)優(yōu)于其他先進(jìn)的方法。

▌結(jié)束語

Adobe 的發(fā)言人在接受科技媒體 The Verge 采訪時表示，這項研究還是一個 “早期研究項目”，但是未來 Adobe 希望可以 “開發(fā)用于監(jiān)督和驗證數(shù)字媒體可信性的技術(shù)”。這句話意味著什么還不清楚，因為 Adobe 之前從未發(fā)布過任何用于識別虛假圖像的軟件。但是 Adobe 指出，與執(zhí)法機(jī)構(gòu)的合作（例如：利用數(shù)字取證技術(shù)幫助尋找失蹤兒童）正是 Adobe 對其技術(shù)負(fù)責(zé)任態(tài)度的體現(xiàn)。

撇開對 AI 危害的警告不談，越來越多的研究致力于在數(shù)字世界打假，如果正如那些 AI 危害論者所說，人類將進(jìn)入某種后真相時代，那么我們將需要使用一切可以使用的工具來辨別真假。而 AI 就像是一把雙刃劍，既可以帶來危害，也可以帶來幫助。