该文综述图像篡改检测研究，涵盖深度学习与学习方法，在标准数据集上评估性能。提出强调篡改区域异常的预处理技术，以提升检测效果并降低误检，同时提供开源工具包。内容涉及DeepFakes等面部操作检测基准、半监督与多任务学习、MVSS-Net多视角网络，以及利用EXIF元数据监督等方法，并讨论挑战与未来方向。

本文综述了多项JPEG压缩相关的深度学习研究，涵盖多模态融合降低压缩伪影、压缩域分类框架、DCT域图像藏密算法、特征蒸馏防御对抗攻击、DMCNN双域降噪、单模型广质量伪影去除网络、CAT-Net篡改检测、量化矩阵参数化模型及紧凑卷积网络伪影衰减方法，各项研究均取得优于现有技术的效果。

该文综述2023年图像篡改定位与检测研究进展，涵盖IML-ViT高分辨多尺度模型、PMAE感知MAE方法、EITLNet双分支Transformer网络，以及基于视觉-语言模型和像素不一致性痕迹的检测方法；同时构建新基准数据集与标准化训练集，提出深度学习预处理技术并开源检测工具包。