可能有用的篡改检测常识

Deep learning-based Technique for Image Tamper Detection

图像篡改检测方向的2021年的综述，主要介绍一些深度学习方法的优缺点。但是逻辑方面感觉有点不对。

Proceedings of the Third International Conference on Intelligent
Communication Technologies and Virtual Mobile Networks (ICICV 2021).
IEEE Xplore Part Number: CFP21ONG-ART; 978-0-7381-1183-4

脆弱水印：对图像的任何修改做出反应，由相当的敏感性，认为不大适合篡改检测任务。
半脆弱水印：只有对于内容的大的篡改反应，而不对一些用户常见的非恶意的图像操作反应。
稳定水印：在大多数情况下都会保留，即使是做了强的恶意篡改。估计是和采样点有点关系。一般不考虑作为篡改检测的依据。而在于产权的保护。

常用领域

forensics, industrial photography, e-commerce, and medical imaging

司法鉴定、工业摄影、电子商务和医学成像

The most common categories of non-natural distortions of digital
images are splicing [3], copy-move [1,2], and resampling [4].

splicing
copy-move
resampling

resampling 其实大多数人不把它当作是图像的篡改，认为图像经过resampling 之后检测出的篡改痕迹是一种误检。

数据集性质

有记录的第一个 司法性质的图像篡改分析

是由MarcusA.Root在摄影的早期进行的。
西班牙女演员安娜·艾伦的社交媒体报道报道了最近的一张拼接照片，她参加了在美国洛杉矶举行的第87届奥斯卡颁奖典礼

如图所示。1.原始图像(图。1(a))是波兰女演员兼模特卡西娅·斯穆特尼亚克，在2013年罗马电影节期间拍摄。安娜的头被剪在卡西亚的身体上，创造了这个假货(图。1(b))。