주류 이미지 변조 위치 검출 방법은 일반적으로 간단한 연산을 통해 서로 다른 스트림의 불일치 특성을 융합하여 특성 중복과 변조 영역 픽셀의 오검출을 초래한다. 이를 바탕으로 본 논문은 이중 스트림 강화 인코딩과 주의 최적화 디코딩 기반의 이미지 변조 위치 검출 프레임워크를 제안한다. 먼저, 이중 스트림 강화 인코딩을 제안하여 이미지 및 주파수 영역 특성에 대해 노이즈 및 채널 주의 기반의 자체 강화와 특성 맵 기반의 교차 주의 가중치 상호 강화를 수행한다. 이후 다단계 수용 영역 전략을 도입하여 다중 스케일 컨텍스트 정보를 탐색하고, 인접 단계 특성 집계 모듈을 설계하여 다중 스케일 인접 특성을 융합한다. 마지막으로 변조 영역과 비변조 영역의 협력적 강화를 통해 모델의 변조 위치 검출 능력을 향상시키고, 주의 최적화 디코딩 모듈을 제안하여 초기 변조 영역 예측에서 경계 픽셀의 오예측을 제거하고 변조 위치를 점진적으로 정밀하게 미세 조정한다. 4개의 주류 공용 벤치마크 데이터셋 NIST16, Coverage, Columbia, CASIA와 2개의 실제 도전 데이터셋 IMD20, Wild에서 주류 변조 위치 검출 방법과 비교한 결과, 본 알고리즘은 미세 조정 없는 모델과 미세 조정 모델 두 설정 모두에서 6개 데이터셋에서 최적의 성능을 보여 제안된 변조 위치 검출 네트워크가 다양한 변조 단서를 충분히 활용하여 다양한 변조 데이터셋에서 변조 영역을 효과적으로 위치 검출할 수 있음을 입증했다.

이미지 변조 위치 검출;이중 스트림 강화 인코딩;주의 최적화 디코딩;인접 단계 특성 집계