BG-REAL：一個基於真實資料的背景篡改檢測與定位公共基準

背景篡改是一種實用但尚未充分研究的影像取證場景：篡改證據可能位於顯著前景物件之外，而許多評估側重於以物件為中心的複製-移動、拼接或通用合成編輯。為此，研究者引入了BG-REAL，一個基於真實資料的公共基準包，用於背景篡改檢測與定位。當前版本基於Open Images V7例項分割源構建，包含1200個源組中的7000個處理樣本，其中6000個為公共資料錨定樣本，1000個為合成控制樣本。BG-REAL覆蓋六種編輯家族、匹配的真實對照、源組分割、掩碼和洩漏質量保證、599個人工輔助質量控制行、三個已完成的外部基線（TruFor、MVSS-Net和HiFi-Net）以及五種子模型評估。除總體準確性外，研究者使用匹配的真實對照診斷來衡量基線模型在固定閾值下將重新編碼的真實影像誤分類為篡改影像的頻率；假陽性率範圍從0.57（TruFor，最低）到1.00（若干弱基線或掩碼資訊基線），表明重新編碼偽影是所有基線模型的共同捷徑風險，而非特定於某個模型。該釋出提供了構建流程、評估協議、可直接用於論文的圖表和復現文件。BG-REAL被定位為背景篡改聚焦的補充基準，與通用影像篡改定位基準互補，而非完全真實或通用基準。