arXiv cs.AI· Simon Freitter, David Fischinger, Silvia Poletti, Marcel Hasenbalg, Martin Boyer·· 2 天前AI 评分22
DINO-FIL：多层 Transformer 融合用于生成式图像修复伪造定位
DINO-FIL: Multi-Layer Transformer Fusion for Generative Inpainting Forgery Localization
AI 导读
DINO-FIL 是一个基于 Transformer 的框架，用于像素级定位生成式图像伪造，它结合预训练 DINOv3 ViT-H+/16 编码器的多层表示与轻量融合解码器，捕捉语义结构和编辑引入的细粒度纹理不一致。
正文 · AI 翻译
摘要：我们提出 DINO-FIL，一个基于 transformer 的框架，用于生成式图像伪造的像素级定位。该方法利用预训练 DINOv3 ViT-H+/16 编码器的多层表示，并结合轻量级融合解码器，以捕捉图像编辑引入的语义结构和细粒度纹理不一致。通过聚合不同深度的中间 transformer 特征，该模型提高了对标准单层方法常常遗漏的细微、空间局部化伪影的敏感度。我们在跨数据集设置下评估 DINO-FIL，在 B-Free 上训练，并在 Beyond the Brush、CocoGlide、TGIF 和 SAGI-D 上测试。该模型实现了强大的泛化能力，在平均表现以及五个评估数据集中的四个上优于现有基线，同时在原始图像上保持较高的真阴性率。
| 学科： | 计算机视觉与模式识别 (cs.CV)；人工智能 (cs.AI) |
| 引用为： | arXiv:2610.21780 [cs.CV] |
| （或 arXiv:2610.21780v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21780 arXiv 颁发的 DOI 通过 DataCite（待注册） |
|
| 期刊 参考： | ECCV Workshop AI4MFDD2026 - 2026 Workshop on AI for Multimedia Forensics & Disinformation Detection |
提交历史
来自：Silvia Poletti [查看电子邮件]
[v1]
2026年10月15日星期四 12:36:53 UTC (34 KB)
来源：arXiv cs.AI · arxiv.org