- GRACE: 图形正则化注意卷积交捆绑与拉普拉斯平滑用于稳健的深度伪造视频检测
通过引入基于图卷积网络和图拉普拉斯算子的方法,解决了 DeepFake 视频检测中面部图像误检和临时伪影的问题,并在具有噪声面部序列的情况下展现了最先进的性能。
- 提高人脸识别模型在未知数据上的公平性分类
通过在多个数据集的脸部图像中同时训练,我们研究了异常数据量模型的性能,观察到 Outlier Exposure 方法可以提高模型的准确性和其他度量指标,并通过引入可训练的权重参数以及重新加权不同类别标签的重要性来增强模型的表现。同时,我们还 - 真实、虚假和合成的面孔 - 硬币有三面吗?
通过分析真实深度伪造和合成面部图像,我们探索了趋势和模式,发现深度学习模型更容易检测合成面部图像,ViT Patch-16 模型在这个任务中表现最佳,敏感性、特异性、精确度和准确度分别为 97.37%,98.69%,97.48%和 98.2 - DiffusionAct:可控的一次性人脸仿真的扩散自编码器
DiffusionAct 是一种利用扩散模型的照片级真实图像生成来进行神经脸部再现的新方法,能够编辑输入图像的脸部姿势,实现一次性、自我和跨主体再现,并展示了优于甚至与 GAN、StyleGAN2 和扩散方法相媲美的再现性能。
- CVPROpticalDR:用于隐私保护的抑郁识别的深度光学成像模型
我们设计了一种新的成像系统 (OpticalDR),用于识别抑郁症,并在保护隐私的同时擦除面部图像中的身份信息,以确保抑郁症相关特征的保留。该系统在多个数据集上实验证明,在隐私保护方面表现出色,同时在抑郁症识别方面也具有竞争力。
- 个性化修复通过双轴调节
通过 Dual-Pivot Tuning 方法进行个性化修复,从而在保持普遍先验和每个组件的独特角色完整性的同时,实现对给定个体的面部特征准确表达和重建。个性化先验不仅在身份准确性方面优于最先进的通用先验,而且在图像质量方面也表现出色。
- 强大的亲属验证的新方法:色彩 MS-BSIF 特征学习
该论文提出了一种新的方法,用于基于面部图像从血统上验证亲属关系,并确定这种基因关系的准确类型或程度。使用 LBP 和颜色 BSIF 学习特征进行比较和 TXQDA 方法进行降维和数据分类。实验结果证明了我们框架的可靠性,并超越了其他最先进技 - 利用双神经网络操作的个性化深伪检测
通过使用有关个体公众人物身份的信息,利用神经网络的幂等性属性,我们提出了一种改进深度伪造图像检测方法,并使用自行策划的包含 45 个公众人物的数据集进行实验,结果表明方法有效性提高,检测性能提高了,AUC 值从 0.92 提高到 0.94, - 通过多尺度 Retinex 和深浅特征提高亲属验证
运用多尺度 Retinex 前处理方法,结合深浅纹理描述符,通过逻辑回归方法在评分水平上巧妙地融合,从而提高图像质量和对比度,从而在亲缘验证方面取得了鲁棒性和效果优异的结果。
- GAME:面向青少年心理障碍早期筛查的多模态数据综合的广义深度学习模型
设计了一款安卓应用程序,结合小游戏和聊天记录的机器人,对 3,783 名中学生进行了综合式多模态筛查。通过引入新的注意机制,开发了名为 GAME 的模型,能够以高准确度(73.34%-92.77%)和 F1 值(71.32%-91.06%) - (非) 公平的深度人脸排名中的曝光问题
通过实验框架和综合的实验证明法医面部排名过程中存在的偏见,需要实施特定政策和纠正措施。
- 基于多模态学习的疾病预测
这篇论文提出了一种 NAFLD 诊断系统(DeepFLDDiag),该系统结合了综合的临床数据集(FLDData)和基于多模态学习的 NAFLD 预测方法(DeepFLD)。该数据集包括超过 6000 名参与者的体格检查、实验室和成像研究、 - 基于 StyleGAN 嵌入的人像照片深度学习预测癌症预后
本文提出使用深度学习的方式对患者照片中抓取包含在传统人像照片中患者健康预测信息,并将其应用于癌症患者的生存预测,使用 StyleGAN2 取得了不错的效果,能够基于面部特征获得幸存率预测信息。
- 人脸成分关系下的亲属关系表示学习
本文提出了一种基于面部部件关系网络和交叉注意机制的亲属关系识别方法 FaCoRNet,能够更准确地识别亲属关系,取得了最大的公开数据集 FIW 上最优的成果。
- 基于机器学习的生物衰老估计技术:调查
本研究主要评估基于血液生物标志物、面部图像和神经影像结构特征的三种生物年龄预测方法,并发现血液生物标志物法最为简便、直接且准确。面部图像法在受种族、环境等多方面影响下,预测准确度有所欠缺,不能为医疗领域做出太大的贡献。总的来说,我们在大数据 - 预训练语言变换器是通用图像分类器
本文通过使用预训练的转换器模型提出了一种面部图像的分类方法,包括包括二进制分类、使用加密图像进行分类等,并探讨了此方法对于隐私保护机器学习的启示。
- 面部表情识别的多支路深度径向基函数网络
本文利用基于径向基函数的多个支路来增强卷积神经网络,以捕捉面部情绪识别中的局部模式信息。结果表明,该模型在某些数据集上取得了最先进的表现,并且整合局部信息使其成为竞争对手。
- ICCV从面部循环一致性学习面部表征
本研究采用面部运动周期一致性和身份周期一致性作为无标签面部图像中学习面部表示的免费监督信号,在训练中成功地分离两个不同的面部表示,并在多个任务上表现出与现有方法相当的竞争力。
- AAAICMUA-Watermark:一种跨模型通用对抗性水印方法,用于打击深度伪造技术
本研究提出了一种新颖的跨模型通用对抗水印(CMUA-Watermark),可保护多个深度假像模型生成的众多面部图像,并通过两级扰动融合策略和启发式方法解决不同模型之间的对抗水印冲突问题。实验证明,该算法可以有效扰乱多个深度假像模型生成的虚假 - LinesToFacePhoto: 基于条件自注意力生成对抗网络的线条生成人脸照片
本文提出了使用有条件的自我关注机制的生成对抗网络,以在不同区域之间捕获长距离依赖项,同时构建多尺度鉴别器以增强逼真度和保留面部结构,实验表明该方法在定性和定量的指标方面均优于现有的最先进方法。