研究人员开发了 DocQT，这是一个新的数据集和方法，用于提高文档伪造定位模型的鲁棒性。这些模型在实际场景中经常失败，因为训练数据与操作中文档压缩之间存在不匹配。DocQT 通过使用从真实保险文件中采样的多样化 JPEG 量化表来解决此问题，从而在定位准确性和减少误报方面取得了显著的提高，特别是对于显式处理量化表信息的架构。 AI
影响 增强了在实际应用中用于检测篡改文档的 AI 模型的可靠性。
排序理由 该集群包含一篇学术论文，详细介绍了用于提高 AI 模型性能的新数据集和方法论。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Document manipulation localization models achieve strong performance on public benchmarks yet fail to generalize to operational document workflows. We identify a critical and overlooked source of this gap: the mismatch between the narrow distribution of JPEG quantization tables u…
Document manipulation localization models achieve strong performance on public benchmarks yet fail to generalize to operational document workflows. We identify a critical and overlooked source of this gap: the mismatch between the narrow distribution of JPEG quantization tables u…