关键词generation-based methods
搜索结果 - 4
- 面部融合攻击的最优地标引导图像混合
我们提出了一种利用最优地标引导的图像融合进行人脸变形攻击的新方法,通过优化变形地标并使用图卷积网络(GCNs)结合地标和外观特征的方式,生成更高质量的变形图像,对最先进的人脸识别系统构成更大的威胁。
- 统一生成抓取:UGG
通过在物体点云和手部参数空间中操作,我们引入了一个统一的基于扩散的灵巧抓取生成模型 (UGG),该模型统一了物体、手部和接触点的信息,引入了一种改进接触建模的新颖表示。我们的模型灵活性和质量使得我们能够集成一个轻量级的鉴别器,通过模拟鉴别数 - ICCV一次 MAN(多目标对抗网络):通过学习多目标对抗网络实现多目标攻击
提出了第一个可以用单一模型生成多目标对抗样本的多目标对抗网络,并将其用于提高分类模型的鲁棒性。实验证明,该方法在多目标攻击和单目标攻击任务中的攻击效果强于现有最先进的对抗性攻击方法,并且在面对各种攻击方法时具有更好的分类准确性。
- 基于背景的会话改进与上下文感知知识预选
本研究提出了一种基于上下文感知的知识预选择模型,使用动态双向注意力机制来提高知识的选择,进而生成更具信息量和流畅的自然回复。实验结果表明,该模型在准确度和流畅度上都优于当前最先进的方法。