眼睛毫无保留:非规则瞳孔形状揭示 GAN 生成人脸
通过人类语义知识和眼动实验研究假图像检测的可能性,结果显示人们在感知伪造样本时倾向于关注图像的更局部区域,与观看真实图像时更分散的观察模式形成对比。
Mar, 2024
通过分析当前 GAN 人脸检测的研究方向和方法,本文对深度学习、物理学、生理学以及与人类视觉性能的评估和比较等方法进行了分类,总结出不同类别的关键思路并与其具体实现相联系,讨论了存在的问题并提出了未来研究方向。
Feb, 2022
介绍了一种专门设计用于单眼输入的注视估计任务的新型深度神经网络架构,通过回归中间图像表示来简化三维注视方向估计任务,定量和定性结果表明该方法比现有技术实现了更高的精度,且对视线、头部姿势和图像质量的变化具有鲁棒性。
Jul, 2018
本文对快速光照变化、瞳孔遮挡、非中心和偏轴眼睛记录以及生理学眼睛特征等复杂情况下的自动瞳孔检测进行了研究,提出了基于双卷积神经网络的方法,能够提高瞳孔检测的准确率。
Jan, 2016
本文提出了一种基于生成对抗网络 (GAN) 的自动面部老化方法,强调在改变面部属性的同时,保留原始人物身份。通过新颖的 GAN 潜在向量的 “身份保持” 优化方法,通过现有的面部识别和年龄估计解决方案,对所得到的老化和回复面部图像进行客观评价,证明了所提方法的高潜力。
Feb, 2017
本文提出一种基于 Exemplar GANs 的新型修复方法,可以利用样本信息,生成高质量、个性化的修复结果,并且在多个点插入其它信息以增加描述能力,将此方法应用于天然图片中的眼睛修复任务,并开发了新的数据集进行比较。
Dec, 2017
使用基于生成对抗网络的合成虹膜图像生成技术进行全面评估,旨在为培训和测试虹膜识别系统和攻击检测器提供真实和可用的虹膜图像。该综述分析了不同模型生成的图像在真实性、唯一性和生物特征实用性方面的优缺点,以发展稳健的虹膜匹配器和攻击检测器。
Apr, 2024
本研究介绍了一种基于神经网络生成的虚假脸部视频中眼部眨眼检测方法,测试结果表明该方法在多个数据集上表现良好,能有效暴露 DeepFake 等虚假视频。
Jun, 2018