Bildfälschungserkennung mit Deep Learning: Eine Umfrage

Die Informationen werden in Form von Bildern über Zeitungen, Magazine, das Internet oder wissenschaftliche Zeitschriften geteilt. Aufgrund von Software wie Photoshop, GIMP und Coral Draw wird es sehr schwer, zwischen dem Originalbild und dem manipulierten Bild zu unterscheiden. Traditionelle Methoden zur Erkennung von Bildfälschungen verwenden hauptsächlich handgefertigte Merkmale. Das Problem bei den traditionellen Ansätzen zur Erkennung von Bildmanipulation ist, dass die meisten Methoden eine spezifische Art der Manipulation identifizieren können, indem sie bestimmte Merkmale im Bild erkennen. Heutzutage werden Deep-Learning-Methoden zur Erkennung von Bildmanipulation eingesetzt. Diese Methoden berichteten von einer besseren Genauigkeit als traditionelle Methoden aufgrund ihrer Fähigkeit, komplexe Merkmale aus Bildern zu extrahieren. In diesem Papier präsentieren wir eine detaillierte Umfrage über auf Deep Learning basierende Techniken zur Bildfälschungserkennung, die Ergebnisse der Umfrage in Form von Analysen und Erkenntnissen sowie Details zu öffentlich verfügbaren Bildfälschungsdatensätzen.