BG-REAL：一个基于真实数据的背景篡改检测与定位公共基准
BG-REAL是一个专注于背景篡改检测与定位的公共基准，基于Open Images V7构建，包含7000个样本，覆盖6种编辑类型，并提供匹配的真实对照。评估显示，重新编码伪影是基线模型共有的捷径风险，假阳性率从0.57到1.00不等。
背景篡改是一种实用但尚未充分研究的图像取证场景：篡改证据可能位于显著前景对象之外，而许多评估侧重于以对象为中心的复制-移动、拼接或通用合成编辑。为此，研究者引入了BG-REAL，一个基于真实数据的公共基准包，用于背景篡改检测与定位。当前版本基于Open Images V7实例分割源构建，包含1200个源组中的7000个处理样本，其中6000个为公共数据锚定样本，1000个为合成控制样本。BG-REAL覆盖六种编辑家族、匹配的真实对照、源组分割、掩码和泄漏质量保证、599个人工辅助质量控制行、三个已完成的外部基线（TruFor、MVSS-Net和HiFi-Net）以及五种子模型评估。除总体准确性外，研究者使用匹配的真实对照诊断来衡量基线模型在固定阈值下将重新编码的真实图像误分类为篡改图像的频率；假阳性率范围从0.57（TruFor，最低）到1.00（若干弱基线或掩码信息基线），表明重新编码伪影是所有基线模型的共同捷径风险，而非特定于某个模型。该发布提供了构建流程、评估协议、可直接用于论文的图表和复现文档。BG-REAL被定位为背景篡改聚焦的补充基准，与通用图像篡改定位基准互补，而非完全真实或通用基准。