Oct, 2021

Geo-DefakeHop: 高性能地理假图像检测

PDF
TL;DR提出了一个名为 Geo-DefakeHop 的强健假卫星图像检测方法，它基于并行子空间学习（PSL）方法，使用多个滤波器对输入图像空间进行映射，学习最具有鉴别性的通道并使用它们的软决策分数作为特征，最终实现了轻量级高性能的假卫星图像检测，模型规模从 0.8 到 62K 参数不等，在各种图像操作下，如缩放，压缩和噪声损坏，实验表明其 F1 分数高达 95％以上。
fake image detectionsatellite imagesparallel subspace learningfilter banksf1-score
发现论文，激发创造
  • 利用选择性预测提高可靠的图像地理定位

    本文提出了一个选择性预测方法来解决图片适合地理定位问题，其中包括两个选型函数，能够将不可定位的图片排除预测，大大提高了城市规模的地理定位精度，使得现有的地理定位模型在实际应用中更加可靠。

    Nov, 2021

  • 面部反欺诈的几何时间动态研究

    本文提出了一种基于密集人脸标记的几何感知交互网络（GAIN）来区分正常和异常 Movements，通过与现有方法结合，显著提高了性能，该方法在标准的内部和跨数据集评估中取得了最先进的性能，在 CASIA-SURF 3DMask 上超越了最先进的方法，在跨数据集和跨类型协议下表现出强大的稳健性。

    Jun, 2023

  • 可解释的语义化照片地理定位

    介绍了使用语义分割和特征分析方法来提高星球级照片定位准确性和可解释性。

    Apr, 2021

  • 面部反欺诈的特征生成与假设验证

    本文提出了一种特征生成和假设验证框架来缓解领域泛化和表示解缠问题，该框架引入了生成真实人脸和已知攻击假设的特征生成网络，进而应用两个假设验证模块来判断输入人脸是否来自真人脸空间和真人脸分布，实验结果表明我们的方法取得了有前途的结果，超过了广泛公开数据集上最先进的方法。

    Dec, 2021

  • 通过精确几何特征提高 Deepfakes 检测的效率与健壮性

    LRNet 是一种有效且鲁棒的检测 Deepfakes 视频的框架，通过对精确几何特征的时间建模来挖掘深度伪造视频的时间特征，并对其进行有效利用，相较于以往的方法更轻量级且更易于训练，在高度压缩或噪声受损的情况下依然具有鲁棒性。

    Apr, 2021

  • 创造人工模态以解决 RGB 真实性问题

    提出利用人工制造的模态从 RGB 视频中提取状态间的动态差异，用于对付人脸反欺诈，通过中间表示来增加模型对未知攻击和未知族群的鲁棒性，该方法在最大的跨族群人脸反欺诈数据集 CASIA-SURF CeFA（RGB）上取得了最先进的效果。

    Jun, 2020

  • SpliceRadar: 一种用于盲目图像取证的学习方法

    本文提出了一种基于深度学习的图像拼接定位方法，它可以在不需要测试图像的相机型号先验知识的情况下定位拼接区域，并在大规模未被篡改的相机标记图像数据库上进行训练。在三个测试数据库上的实验结果表明，该方法在现有最先进技术水平的基础之上具有相当的效果和良好的泛化能力。

    Jun, 2019

  • PIGEON: 预测图像地理位置

    PIGEON 是一个多任务一体化系统，通过基于语义地理单元的创建和分割算法、vision transformer 的预训练以及在候选地理单元集合上使用 ProtoNets 优化位置预测等方式实现行星级图像地理定位的最先进性能，并公开 StreetCLIP 模型以用于应对气候变化和城乡场景理解等临近领域应用。

    Jul, 2023

  • 通过分析卷积痕迹进行 DeepFake 检测

    该研究旨在针对利用深度学习工具生成人脸的 Deepfake 现象，提出新的检测方法。提出的该算法基于期望最大化算法，提取了一组特定的局部特征来建模卷积生成过程，经实验验证有效地区分了不同的架构和相应的生成过程。

    Apr, 2020

  • FakeLocator: GAN-Based 人脸篡改的鲁棒定位

    本文提出了一种基于注意力机制和单个样本聚类方法的新方法 FakeLocator，旨在通过在 GAN 合成图像中检测伪造和定位伪造来解决众所周知的伪造定位问题，同时实现高定位精度和普适性

    Jan, 2020