Nov, 2019

FCEM: 一种用于 VoIP 流实时隐写分析的新型快速相关性提取模型，基于多头注意力机制

PDF
TL;DR本研究利用关注机制处理定量化指数调制压缩 VoIP 流中基于 QIM 的隐写分析问题。研发了一个名为快速相关提取模型（FCEM）的轻量级神经网络来提取 VoIP 帧中的相关特征，具有比复杂的循环神经网络和卷积神经网络更高的准确性和时间效率。此外，提出的模型在样品长度为 0.1s 时可将检测速度提高一倍，适用于在线服务。
steganalysisattention mechanismsquantization index modulationneural networkvoip stream
发现论文，激发创造
  • 基于多通道卷积滑动窗口的流媒体实时隐写分析

    通过滑动窗口检测算法和卷积神经网络，本文提出了一种基于多通道卷积滑动窗口的实时 VoIP 隐写分析方法。通过设计多个特征提取通道和使用前向全连接网络进行特征融合，实现对 VoIP 信号中的隐写信息的统计分析，检测能力表现出优异的低嵌入率性能和几乎实时的检测效率。

    Feb, 2019

  • FECAM: 时间序列预测的频率增强通道注意机制

    本研究提出了一种新的频率增强通道注意力机制，可以自适应地建模通道之间的频率相互依赖关系，避免傅里叶变换中出现的问题性周期性引起的高频噪声，目的是改善当前主流网络的预测能力，并显示出良好的性能。

    Dec, 2022

  • 基于低秩匹配注意力的跨模态特征融合对话情感识别方法

    这篇论文提出了一种名为低秩匹配注意力方法的跨模态特征融合方法，可用于会话情感识别任务，并能够充分利用模态间的语义信息和模态内语境信息。实验证实该方法在诸多基准数据集上的表现均优于其他流行的跨模态融合方法。

    Jun, 2023

  • HCAM -- 多模态情感识别的层级交叉关注模型

    本文提出了一种基于 HCAM 方法的跨模态情绪识别模型，使用神经网络模型组合音频和文本数据，在 IEMOCAP、MELD 和 CMU-MOSI 三个数据集上达到了最先进的结果。

    Apr, 2023

  • 使用预训练视觉特征提取器和约束 CTC 解码的提示语音识别多流神经网络结构

    本文提出一种基于预训练手部和唇部跟踪器和基于多流递归神经网络的语音解码器的方法，用于自动识别 Cued Speech（一种视觉交流工具），该工具可通过手势和唇读辅助理解口语。该系统在法国 CSF18 数据集上评估，准确率为 70.88％，表现优于 CNN-HMM 译码器并与更复杂的基线方法竞争。

    Apr, 2022

  • 编码器融合网络和协同关注嵌入用于参照图像分割

    本论文提出了一种图像分割方法，即采用编码器融合网络（EFN）将视觉编码器转换为多模态特征学习网络，利用语言逐步优化多模态特征；在 EFN 中嵌入了协同注意机制，使得多模态特征的平行更新更具协同性，同时提出了边界增强模块（BEM）来增强网络对细节的关注，在四个基准数据集上的实验结果表明所提出的方法在不同的评价指标下均取得了最先进的性能，且无需后处理。

    May, 2021

  • 基于非自回归端到端语音识别系统的准确可靠置信度估计

    这篇论文提出了 CIF-Aligned 的置信度估计模型（CA-CEM），并使用 Paraformer 实现了精确可靠的置信度估计，最终在 AUC、RMSE、ECE-U 等多个指标上获得显著改进。

    May, 2023

  • CMFN: 跨模态融合网络用于不规则场景文字识别

    提出了一种新颖的交叉模态融合网络（CMFN），用于不规则场景文本识别，将视觉线索融入语义挖掘过程中，实验证明该算法在性能上与最先进的算法相当，验证了其有效性。

    Jan, 2024

  • 使用多跳注意力机制的语音情感识别

    该论文提出了一种利用音频和文本信息的语音情感分类方法，使用双向 LSTM 和多跳注意力机制，在 IEMOCAP 数据集上，相对于现有技术，其在加权准确率上提高了 6.5% 的性能。

    Apr, 2019

  • MFQE 2.0: 一种新的压缩视频多帧质量增强方法

    本文介绍一种 Multi-Frame Quality Enhancement 的方法，采用 Bidirectional Long Short-Term Memory 去定位 Peak Quality Frames，并设计了一种 Convolutional Neural Network 去提高视频质量。

    Feb, 2019