PulseAugur
中
实时 11:48:40
English(EN) Diffusion-Based Multi-Class Normality for OOD Detection: An Application to CDP Authentication

扩散模型增强了CDP认证的多类别OOD检测能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个基于扩散模型的多类别分布外（OOD）检测框架，并将其应用于复制检测模式（CDP）认证。该方法使用一个单一的类别条件ControlNet，仅在各种打印和数字化（P&D）类别的真实CDP上进行训练，通过测量重构误差来识别伪造样本。该方法还结合了双模板掩码技术，通过关注被隐藏的像素来提高检测精度。在Indigo 1 x 1 Base数据集上进行测试，据报道，该方法在区分真实和伪造CDP方面优于现有的生成基线，且无需伪造样本进行训练或阈值校准。 AI

影响 这项研究推进了OOD检测技术，可能改进文档认证等安全应用。

排序理由 该集群包含一篇学术论文，详细介绍了计算机视觉领域的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

扩散模型增强了CDP认证的多类别OOD检测能力

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Bolutife Atoki (imagine, LIRIS), Iuliia Tkachenko (imagine, LIRIS), Bertrand Kerautret (imagine, LIRIS), Carlos Crispim-Junior (imagine, LIRIS) ·

    Diffusion-Based Multi-Class Normality for OOD Detection: An Application to CDP Authentication

    arXiv:2607.00609v1 Announce Type: new Abstract: Reconstruction-based generative models offer a natural framework for unsupervised out-of-distribution (OOD) detection, but multi-class normality modelling requires a single detector to capture multiple in-distribution manifolds and …

  2. arXiv cs.CV TIER_1 English(EN) · Carlos Crispim-Junior ·

    用于 OOD 检测的基于扩散的多类常态：CDP 身份验证的应用

    Reconstruction-based generative models offer a natural framework for unsupervised out-of-distribution (OOD) detection, but multi-class normality modelling requires a single detector to capture multiple in-distribution manifolds and produce comparable anomaly scores across classes…

相关实体

相关话题