实体
CAFNet
CAFNet
PulseAugur coverage of CAFNet — every cluster mentioning CAFNet across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的EV-MoE方法使用大规模LCRI-1K数据集增强车辆ReID
研究人员推出了一种新颖的多查询车辆重识别（ReID）方法——增强视图专家混合模型（EV-MoE）。该方法通过增强单个视图特征并使用专家混合（MoE）架构进行整合，以克服当前特征融合技术的局限性。该系统还纳入了多视图对齐损失（MAL），以确保多查询和单图像特征之间的一致性。为了支持评估，创建了一个名为LCRI-1K的大规模数据集，包含来自众多摄像头的超过10万张图像，为复杂的真实世界场景提供了基准。
-
新研究着眼于音频深度伪造检测和人类信任侵蚀问题
研究人员正在开发先进的音频和视听深度伪造检测方法，以应对部分操纵的语音和歌声等挑战。一种名为CAFNet的新架构能够联合分类音频为真实、完全伪造或半真半假，并高精度地定位被操纵的片段。另一个框架T-AVFD利用文本指导，通过学习可泛化的真实性模式，提高了在说话和歌唱场景下的检测能力。此外，一项大规模研究表明，尽管人类检测音频深度伪造的能力没有显著提高，但人们对真实语音的信任度却在下降，这表明音频真实性的信任正在广泛受到侵蚀。