近日，太原理工大学计算机科学与技术学院教师梁恩籍以第一作者身份，在CCF A类多媒体顶级期刊TMM上在线发表题为“Multi-Scale Contextual Learning with Local Inconsistency for Image Splicing Forgery Detection”的研究论文（DOI: 10.1109 / TMM . 2026 . 3735639）。论文与哈尔滨工业大学张魁元副研究员、哈尔滨工业大学（深圳）花忠云教授、重庆大学穆南锟副教授、哈尔滨工业大学姜伟教授以及香港城市大学贾小华教授共同合作完成。

IEEE Transactions on Multimedia（简称TMM），1999 年创刊，由IEEE四大学会联合主办，为计算机图形学与多媒体方向CCF A类SCI期刊，中科院计算机大类1区TOP期刊，太原理工大学T类期刊。该期刊主要刊载图像视频处理、多模态大模型、多媒体安全取证、流媒体与多媒体系统等原创论文及综述，重视实验可复现性，在多媒体、计算机视觉领域具备很高国际影响力。

本文提出MCLINet用于图像拼接篡改定位。该模型由多分支上下文模块 MBC与多尺度差异感知模块MDA构成。MBC借助多感受野分支挖掘多尺度上下文特征，建模篡改区域与周围场景的语义兼容性；MDA从像素、特征、频率多域挖掘拼接带来的局部不一致痕迹。两个模块输出通过一致性门控机制进行特征交互，抑制自然纹理、边缘带来的虚警。依托CASIA_v2、Fantastic Reality等五套公开数据集完成对比实验，不仅在同数据集测试中F1、AUC指标优于十二组对比基线，跨数据集零微调测试也展现出更强泛化性能；面对高斯噪声、JPEG压缩、缩放、高斯模糊等常见后处理攻击，依旧可以维持稳定检测效果。大量消融实验验证了双模块、多尺度分支以及组合损失函数各自的有效性，实现了检测精度、鲁棒性与推理效率的综合平衡。

梁恩籍目前任职于太原理工大学计算机科学与技术学院工业互联网安全山西省重点实验室，专注于多媒体安全和人工智能安全研究工作，在TMM以及ACM TOMM等国际著名多媒体期刊和学术会议上发表论文十余篇,并担任TMM、KBS、Pattern Recognition、ICME等十余种期刊和会议审稿人。