Süper çözünürlüklü evrensel stil aktarımı için işbirliğine dayalı damıtma
Saldırmayı öğrenerek savunma
Yüz sahteciliğini önleme için derin uzamsal gradyan ve zamansal derin öğrenme
Etiketsiz verilerle yüz temsilini genelleştirin
3D-CariGAN: Yüz fotoğraflarından 3D çizgi roman oluşturmak için uçtan uca bir çözüm
Kağıt adı: Ultra Çözünürlüklü Evrensel Stil Aktarımı için İşbirliğine Dayalı Damıtma
Yazar: Wang Huan / Li Yijun / Wang Yuehai / Hu Haoji / Yang Ming-Hsuan
Gönderme süresi: 2020/3/18
Kağıt bağlantısı: https://paper.yanxishe.com/review/14775?from=leiphonecolumn_paperreview0402
Önerilen neden
Bu makale CVPR 2020 tarafından kabul edilmiştir ve stil transferi konusunu ele almaktadır.
Genel stil aktarım yöntemi genellikle çok sayıda görüntüyü önceden eğitmek için derin evrişimli sinir ağı modelinden gelen zengin gösterimi kullanır, ancak sınırlı belleğe sahip süper çözünürlüklü görüntüleri işlerken büyük model boyutu ile ciddi şekilde sınırlıdır. Bu makale, kodlayıcı-kod çözücü yapısına dayalı nöral stil transfer modelinde filtreyi azaltmak için işbirliğine dayalı damıtma adı verilen yeni bir bilgi damıtma yöntemi önermektedir. İşbirliğine dayalı damıtma sürecindeki özellik boyutu uyumsuzluğu sorununun üstesinden gelmek için, yeni yöntem, öğretmenin özelliklerinin öğrenci ağı öğrenimine doğrusal olarak yerleştirilmesini sağlamak için doğrusal bir gömme kaybı ortaya koymaktadır. Çok sayıda deney, yeni yöntemin farklı genel stil aktarım yöntemleri için uygun olduğunu ve ilk kez sıkıştırılmış modda 12 GB GPU'da 40 milyon pikselden fazla süper çözünürlüklü genel stil aktarımı gerçekleştirdiğini göstermiştir.
Kağıt adı: Saldırmayı Öğrenerek Savunmayı Öğrenme
Yazar: Jiang Haoming / Chen Zhehui / Shi Yuyang / Dai Bo / Zhao Tuo
Yayın zamanı: 2018/11/3
Kağıt bağlantısı: https://paper.yanxishe.com/review/14774?from=leiphonecolumn_paperreview0402
Önerilen neden
Bu makale, düşmanca saldırı ve savunma alanında ilginç bir makaledir. Makalede yazar, sağlam bir model yetiştirmek için düşmanca bir eğitim çerçevesi kullanmayı önermektedir. Deneysel sonuçlara göre, makalede önerilen yöntem oldukça sağlamdır ve Saldırıların çoğunu gerçekleştirin. Aynı zamanda makalede kullanılan eğitim yöntemi diğer yüzleşme eğitim yöntemlerine göre daha verimlidir.
Kağıt adı: Yüz Sahtekarlığı Önleme için Derin Uzamsal Gradyan ve Zamansal Derinlik Öğrenme
Yazar: Wang Zezheng / Yu Zitong / Zhao Chenxu / Zhu Xiangyu / Qin Yunxiao / Zhou Qiusheng / Zhou Feng / Lei Zhen
Gönderme süresi: 2020/3/18
Kağıt bağlantısı: https://paper.yanxishe.com/review/14771?from=leiphonecolumn_paperreview0402
Önerilen neden
Bu makale, yüz sahteciliğini önleme sorunu dikkate alınarak CVPR 2020 tarafından kabul edildi.
Önceki araştırma çalışmaları derinlik kaybını basitçe artırdı, ancak ayrıntılı ve ince taneli bilgileri ve yüz derinliği ile hareket kalıpları arasındaki etkileşimi göz ardı ederek bu sorunu tek kare çoklu görev sorunu olarak ifade etti. Bu makale, Kalan Uzamsal Gradyan Bloğu (RSGB) aracılığıyla ayrım ayrıntılarını yakalayabilen ve Uzamsal-Zamansal Yayılma Modülü, STPM'den etkili bir şekilde kodlayabilen birden fazla çerçeveden saldırıları tespit etmek için yeni bir yöntem önermektedir. ) Zaman ve mekan bilgisi. Ek olarak, bu makale daha hassas derinlemesine denetimli öğrenme için yeni bir "karşılaştırma derinliği kaybı" önermektedir. Önerilen yöntemin etkinliğini değerlendirmek için, bu makale çift modlu bir anti-spoofing veri seti (Çift modlu Anti Spoofing Dataset, DMAD), bu veri seti her örnek için gerçek derinliği sağlar.Deneyler, yeni önerilen yöntemin OULU-NPU, SiW, CASIA-MFSD, Replay-Attack ve yeni DMAD dahil olmak üzere beş kıyaslama veri setinde olduğunu göstermektedir. Hepsi mevcut en iyi seviyeye ulaştı.
Bildiri Başlığı: Etiketlenmemiş Verilerle Yüz Temsili Genelleme
Yazar: Shi Yichun / Jain Anil K.
Gönderme süresi: 2020/3/17
Kağıt bağlantısı: https://paper.yanxishe.com/review/14770?from=leiphonecolumn_paperreview0402
Önerilen neden
Giderek daha fazla sayıda büyük ölçekli açıklamalı yüz veri setleri, yüz tanıma problemlerinin araştırılmasını teşvik etmektedir.Ancak, bu veri setlerindeki yüzler genellikle sınırlı derecede tip değişikliği içerir ve daha gerçekçi senaryolara genellemek zordur. Mahremiyet ve işçilik maliyetleri nedeniyle büyük değişiklikler içeren açıklamalı yüz görüntüleri toplamak mümkün değildir. Bunun aksine, farklı alanlardan çok sayıda etiketlenmemiş yüz elde etmek daha kolaydır. Bu nedenle, bu makale genelleştirilmiş yüz temsillerini öğrenmek için etiketlenmemiş yüz görüntülerini kullanan ve yalnızca yeterli çeşitliliğe sahip az miktarda etiketlenmemiş veriyi eğiten bir yöntem önermektedir.Yeni yöntem ayrıca önemli bir tanıma performansı sağlayabilir. geliştirmek. En gelişmiş yüz tanıma yöntemleriyle karşılaştırıldığında, yeni yöntem IJB-B, IJB-C ve IJB-S gibi zorlu kıyaslamalarda performansı daha da iyileştiriyor.
Bildiri Başlığı: 3D-CariGAN: Yüz Fotoğraflarından 3D Karikatür Oluşturmaya Uçtan Uca Bir Çözüm
Yazar: Ye Zipeng / Yi Ran / Yu Minjing / Zhang Juyong / Lai Yu-Kun / Liu Yong-jin
Gönderme süresi: 2020/3/15
Kağıt bağlantısı: https://paper.yanxishe.com/review/14659?from=leiphonecolumn_paperreview0402
Önerilen neden
Bu makale, yüksek kaliteli 3B karikatürler oluşturmak için girdi olarak basit yüz fotoğraflarını kullanan uçtan uca derin bir sinir ağı modeli önermektedir. Bu problemin zorluğu, yüz fotoğraflarının (2D normal yüzlerle karakterize edilen) kaynak alanının, 3D çizgi romanların hedef alanından (3D abartılı yüz şekilleri ve dokularla karakterize edilen) önemli ölçüde farklı olmasıdır. Bu makale ilk olarak 6.100 adet 3D çizgi roman ızgarası içeren büyük bir veri kümesi oluşturur ve bu veri kümesini 3D komik şekil alanında bir PCA modeli oluşturmak için kullanır; daha sonra giriş yüz fotoğraflarındaki yer işaretlerini tespit eder ve bunları oluşturmak için kullanır 2D çizgi romanlar ve 3D çizgi roman şekilleri arasındaki yazışmalar. Bu belge aynı zamanda kullanıcılara çıktıyı kontrol etmek için kullanımı kolay bir etkileşimli denetim sağlar. Deneyler ve kullanıcı araştırmaları, yeni yöntemin kullanımının kolay olduğunu ve yüksek kaliteli 3D çizgi romanlar üretebileceğini göstermiştir.
Lei Feng Ağı Lei Feng Ağı Lei Feng Ağı