VGGFace2: A Dataset for Recognising Faces across Pose and Age
PulseAugur coverage of VGGFace2: A Dataset for Recognising Faces across Pose and Age — every cluster mentioning VGGFace2: A Dataset for Recognising Faces across Pose and Age across labs, papers, and developer communities, ranked by signal.
-
NullEdit 通过隐蔽的无操作方法保护图像免受VLM操纵
研究人员开发了NullEdit，一种新颖的方法，用于保护图像免受视觉语言模型（VLM）的未经授权操纵。与现有会破坏图像或无法阻止编辑的防御措施不同，NullEdit旨在采用一种隐蔽的无操作方法。它重定向VLM的内部表示，确保输出保持自然，并在没有明显伪影的情况下保留原始内容和身份。在CelebA-HQ和VGGFace2数据集上使用Step1X-Edit和Qwen Image Edit进行了测试，NullEdit显著降低了EditRew…
-
新的扩散模型框架通过身份保持增强人脸修复
研究人员开发了一个名为ReSem-Face的新扩散模型框架，以改进人脸修复，特别是在处理大遮挡和冲突文本指导时。这种级联扩散方法包含一个显式的身份条件语义先验，使用多个参考图像来提炼身份特征。该框架通过多流条件架构指导扩散过程，增强语义约束并稳定身份重建。在CelebAHQ-IDI-5和VGGFace2数据集上的实验表明，ReSem-Face在严重遮挡下保持身份和改进文本控制编辑方面优于现有方法。
-
InfantFace模型增强了临床环境中新生儿的面部检测能力
研究人员开发了InfantFace，一个基于YOLOv11m架构的专用面部检测模型，专为新生儿临床环境设计。该模型解决了背景杂乱、光线不足以及医疗设备遮挡等挑战。在结合使用公开数据集进行训练并在特定新生儿研究数据集上进行微调后，InfantFace取得了0.96的高AP50分数，优于通用面部检测器。
-
新的CAP框架增强了针对个性化图像合成的隐私保护
研究人员开发了一个名为跨图像反个性化（CAP）的新框架，以防止个性化文本到图像合成模型的滥用。现有方法单独扰动图像，而CAP强制跨多张图像实现风格一致性以增强隐私。该方法旨在阻止对手利用公开图像创建逼真的冒充。