用Shapley value评估视觉概念的区域贡献。例如: 对输入图片做
L
×
L
L\times L
L×L区域划分,得到
G
=
{
g
11
,
…
,
g
L
L
}
G=\{g_{11},\dots,g_{LL}\}
G={g11?,…,gLL?}。 当
?
v
d
(
g
i
j
∣
G
)
>
0
\phi_{v_{d}}(g_{ij}\mid G)>0
?vd??(gij?∣G)>0时,证明区域
g
i
j
g_{ij}
gij?与伪造相关。
评估视觉概念间的关系: 利用掩膜操作定位源/目标相关区域:
M
τ
=
I
(
m
a
x
(
?
v
s
,
?
v
s
)
)
>
τ
M_{\tau}=I(max(\phi_{v{s}},\phi_{v{s}}))>\tau
Mτ?=I(max(?vs?,?vs?))>τ 评估视觉概念间的交叉强度,第一项为无关区域的相关强度,第二项为相关区域的相关强度: