分类 - IML
Employing_Reinforcement_Learning_to_Construct_a_Decision-Making_Environment_for_Image_Forgery_Localization
发表于TIFS2024，将强化学习引入到了图像篡改检测。
11
Reinforced Multi-teacher Knowledge Distillation for Efficient General Image Forgery Detection and Localization
发表于AAAI2025，该框架的核心是Re-DTS策略，动态选择最合适的教师模型，将专业知识转移到学生模型。这一策略增强了学生模型处理各种篡改痕迹的能力，并提高了IFDL性能，将强化学习引入到了图像篡改检测。
12
Rethinking Image Editing Detection in the Era of Generative AI Revolution
发表于ACMMM 2025，提出了基于图像编辑技术的新数据集。
13
Image Copy-Move Forgery Detection via Deep PatchMatch and Pairwise Ranking Learning
发表于TIP 2024，图像复制-移动伪造检测方向的图像篡改检测方法。
14
DiRLoc:Disentanglement Representation Learning for Robust Image Forgery Localization
发表于TDSC2024，针对JPEG压缩导致的性能下降，使用解纠缠的方法，分离出jpeg压缩对篡改痕迹的影响，提出了一种鲁棒的图像伪造定位框架。
15
IMDL-BenCo:A Comprehensive Benchmark and Codebase for Image Manipulation Detection & Localization
发表于NeurIPS 2024，因为图像篡改检测没有统一的标准，所以构建一个全面的基准，并且设计了一个框架将部分sota网络集成：Mantra-Net，MVSS-net，CAT-Net，ObjectFormer，PSCC-Net，NCL-IML，Trufor和IML-ViT。
16
SparseViT:Nonsemantics-Centered, Parameter-Efficient Image Manipulation Localization through Spare-Coding Transformer
发表于AAAI2025，SparseViT认为图像篡改检测应该是非语义的，非语义特征与上下文无关，且对篡改敏感。也就是说，在图像中，除非发生篡改，否则它们在各个补丁之间是一致的，而图像块之间的稀疏和离散交互足以提取非语义特征，非语义特征由于其局部独立性，可以通过稀疏编码实现全局交互。
17
DiffForensics:Leveraging Diffusion Prior to Image Forgery Detection and Localization
发表于CVPR2024，两阶段的训练过程，该框架包括自监督去噪扩散的训练前阶段和多任务微调阶段，提出了一种新的边缘提示增强模块，该模块集成在多个尺度的解码器中，以增强被篡改的边缘痕迹从粗到细。
18
SUMI-IFL:An Information-Theoretic Framework for Image Forgery Localization with Sufficiency and Minimality Constraints
发表于aixiv，使用信息瓶颈理论完成图像篡改任务，没和NP++、IFL-VIT比较。
19
EditGuard:Versatile Image Watermarking for Tamper Localization and Copyright Protection
发表于CVPR2024，将版权水印和图像篡改主动保护两个任务联合起来。
20