当前位置:首页 > 报告详情

Jeremy Dawson(西弗吉尼亚大学):CITeR 高质量变形数据集.pdf

上传人: 芦苇 编号:651658 2025-05-01 15页 2.36MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文介绍了CITeR团队开发的高质量变脸图像数据集,旨在用于训练检测器和评估性能。研究目标包括生成高质量序列化的面部变脸数据集,并作为防御机制的里程碑。方法包括使用不同的图像分辨率代表不同情境下的面部捕获,并利用先进的变脸技术生成图像。 主要成就包括: 1. WVU通过 wavelet分解和扩散自动编码器生成高质量变脸图像。 2. CU开发了Fast-DiM和Greedy-DiM算法,显著降低了计算复杂度,并在评估数据上取得了最优性能。 3. UB基于ArcFace相似度度量生成高质量StyleGAN2变脸图像,并在不同数据集上评估了性能。 此外,文章还提到了人工修补变脸图像以去除瑕疵,并建立了评价变脸图像质量的数据集。这些成果对于提高变脸攻击的检测和防御具有重要意义。
"如何提高面部变造图像的质量?" "面部变造技术在安全领域有哪些应用?" "如何评估面部变造攻击的检测性能?"
客服
商务合作
小程序
服务号
折叠