框架设计

概览

ForensicHub 是首个统一支持四大虚假图像检测和定位任务（Deepfake、人为篡改检测与定位（IMDL）、AI生成图像检测（AIGC）、文档篡改定位（Doc））的开源基准与代码框架，旨在打破领域孤岛，实现跨任务、跨领域的图像取证研究统一与融合。 ForensicHub的框架概览如下所示：

ForensicHub 基于模块化设计，核心由以下四个组件组成：

• Datasets（数据集）：负责不同任务下的数据加载，统一输出字段格式。
• Transforms（变换）：用于图像数据的预处理与数据增强。
• Models（模型）：所有模型通过规范化输出接口与数据集适配，可直接在多任务中复用。
• Evaluators（评估器）：支持图像级与像素级评估指标，可灵活用于训练与测试阶段。

上述四个组件均以模块形式解耦，用户可通过配置文件（如 YAML）自由组合，例如：

• 使用 Deepfake 的数据集，搭配 IMDL 的模型进行测试；
• 在 AIGC 任务中验证 Document 模型的迁移能力；
• 在多域数据上统一训练一个通用模型，通过 IFF-Protocol 实现跨任务评估。
• ……

这样的设计不仅支持领域内部的快速实验，还鼓励任务之间的迁移学习与泛化能力研究。