【DCL】Dual Contrastive Learning for General Face Forgery Detection
Dual Contrastive Learning for General Face Forgery Detection集会：AAAI 2022
作者：
https://i-blog.csdnimg.cn/direct/f9550fab106f4db2a1f56700f816022d.png#pic=center
code：https://github.com/Tencent/TFace.git
key points:
以前聚焦——人脸伪造检测——基于交叉熵丧失的分类问题【夸大类别程度的差异，而不是真假人脸之间的本质差异，限定了模型在未知范畴的泛化】
本文提出了一种新的人脸伪造检测框架，称为双重对比学习(Dual contrast Learning, DCL)，该框架专门构建正、负成对数据，并在差别粒度上进行设计对比学习，以学习广义特征表示
首次提出了实例间对比学习(Inter-ICL)，结合硬样本选择策略，通过构建
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]