Слияние кода завершено, страница обновится автоматически
ТФэйс: надёжная исследовательская платформа для анализа лиц, разработанная лабораторией Юту компании Тенсент. Она предоставляет высокопроизводительную распределённую обучающую среду и выпускает наши эффективные реализации методов.
Некоторые из алгоритмов разработаны самостоятельно, и мы считаем, что выпущенные коды принесут пользу исследователям.
Этот проект состоит из нескольких модулей: распознавание лиц, безопасность лиц, качество лиц и атрибуты лица.
Этот модуль реализует различные современные алгоритмы распознавания лиц.
2024.03: «Распознавание лиц с сохранением конфиденциальности с помощью обучаемого вычитания признаков», принято к публикации на конференции CVPR 2024. [статья]
2023.10: «Распознавание лиц с сохранением конфиденциальности с использованием случайных частотных компонентов», принято к публикации на конференции ICCV 2023. [статья]
2022.9: «Распознавание лиц с сохранением конфиденциальности с обучаемыми бюджетами конфиденциальности в частотной области», принято к публикации на ECCV 2022. [статья]
2022.9: «DuetFace: совместное распознавание лиц с сохранением конфиденциальности через разделение каналов в частотной области», принято к публикации на ACMMM 2022. [статья]
2022.6: «Оценочно-ориентированное знание для глубокого распознавания лиц», принято к публикации на CVPR 2022. [статья]
2021.3: «Согласованный ложный положительный результат улучшает справедливость при распознавании лиц», принято к публикации на CVPR 2021. [статья]
2021.3: «Сферическое обучение уверенности для распознавания лиц», принято к публикации на CVPR 2021. [статья]
2020.8: «Улучшение распознавания лиц на сложных образцах с помощью потери дистилляции распределения», принято к публикации на ECCV 2020. [статья]
2020.3: «Curricularface: адаптивное обучение контрасту для глубокого распознавания лиц» принято к публикации на CVPR 2020. [статья]
Этот модуль реализует различные современные алгоритмы безопасности лиц.
2023.09: «Sibling-Attack: переосмысление переносимых атак против распознавания лиц», принята к публикации на CVPR 2023
2021.12: «Двойное контрастное обучение для общего обнаружения подделки лиц», принята к публикации на AAAI 2022
2021.12: «Использование мелкозернистых подсказок подделки лица посредством прогрессивного обучения усилению», принята к публикации на AAAI 2022
2021.12: «Углубление в локальное: динамическое несогласованное обучение для обнаружения DeepFake видео», принята к публикации на AAAI 2022
2021.12: «Генерация функций и проверка гипотез для надёжного антиспуфинга лиц», принята к публикации на AAAI 2022
2021.07: «Несогласованность пространственно-временного обучения для обнаружения Deepfake видео», принята к публикации на ACM MM 2021 [статья] [анализ]
2021.07: «Адаптивное нормализованное изучение представлений для обобщаемого антиспуфинга лиц», принята к публикации на ACM MM 2021 [статья]
2021.07: «Разрушение структуры и сочетание содержания для антиспуфинга лиц», принята к публикации на IJCB 2021 [статья]
2021.04: «Adv-Makeup: новая незаметная и переносимая атака на распознавание лиц», принята к публикации на IJCAI 2021 [статья]
2021.04: «Двойное перевзвешивание для обобщения предметной области при обнаружении атаки презентации лиц», принята к публикации на IJCAI 2021 [статья]
2021.03: «Углубляясь в данные: эффективная замена обучения для чёрного ящика атаки», принята к публикации на CVPR 2021 2020.12: Обобщаемое обучение представлению для антиспуфинга лиц в смешанных доменах, принято к публикации на конференции AAAI 2021.
2020.12: Локальное обучение отношениям для обнаружения подделки лиц, принято к публикации на конференции AAAI 2021.
2020.06: Антиспуфинг лиц через обучение разделённому представлению, принято к публикации на конференции ECCV 2020.
Этот модуль реализует алгоритм SDD-FIQA для оценки качества лица.
2021.3: SDD-FIQA: оценка качества изображения лица без учителя с использованием расстояния распределения расстояний сходства, принята к публикации на конференции CVPR 2021.
Этот модуль реализует алгоритм M3DFEL для атрибута лица.
2023.6: Переосмысление парадигмы обучения для распознавания динамических выражений лица, принято к публикации на конференции CVPR 2023.
Вы можете оставить комментарий после Вход в систему
Неприемлемый контент может быть отображен здесь и не будет показан на странице. Вы можете проверить и изменить его с помощью соответствующей функции редактирования.
Если вы подтверждаете, что содержание не содержит непристойной лексики/перенаправления на рекламу/насилия/вульгарной порнографии/нарушений/пиратства/ложного/незначительного или незаконного контента, связанного с национальными законами и предписаниями, вы можете нажать «Отправить» для подачи апелляции, и мы обработаем ее как можно скорее.
Комментарии ( 0 )