Image Tampering Region Localization Method Based on Pseudo Label Driver and Dynamic Multi branch Decoding
本文提出了一种伪标签驱动的图像篡改定位方法,该方法具有篡改类型感知的动态多分支解码器,通过整合多尺度特征、针对复制-移动伪造的源-目标对应关系监督以及自适应线索融合,有效地解决了异构取证痕迹问题,从而在不同数据集上实现了高精度和高泛化性。
4092 篇论文
本文提出了一种伪标签驱动的图像篡改定位方法,该方法具有篡改类型感知的动态多分支解码器,通过整合多尺度特征、针对复制-移动伪造的源-目标对应关系监督以及自适应线索融合,有效地解决了异构取证痕迹问题,从而在不同数据集上实现了高精度和高泛化性。
本文提出并评估了一种用于小型无人机检测的资源感知感知策略,该策略结合了置信度引导的模型路由和难度排序的回放,以在推理时间计算和标注预算同时受限的情况下有效地优化性能。
本研究表明,冻结甲状腺超声深度学习模型在不同队列和结果定义下的表现存在显著差异,凸显了明确报告标签来源以及谨慎解释跨队列基准测试的紧迫需求。
本文提出了一种由真实特征增强、可靠性感知融合和内容引导分布适配器三个协同模块组成的轻量级提示框架,旨在通过恢复细粒度特征、动态调整融合权重以及修正分布偏移,有效解决多模态情感分析中的模态缺失问题。
本文提出了 FL-GWO,这是一个将联邦学习与灰狼优化算法及区块链技术相结合的新型框架,旨在通过群体智能动态优化信任参数,从而在去中心化的物联网-边缘系统中实现保护隐私、具有自适应性且鲁棒的信任管理。
通过将秘鲁国家研究人员注册系统(RENACYT)与 OpenAlex 进行关联,本研究揭示了该国获得认证的人工智能从业人员仅占其实际人工智能作者的四分之一,从而暴露了规模显著更大的未认证多数群体,并强调了尽管在首都以外地区生产力较高,但在认证方面仍存在地域和性别差异。
本文提出了 BVC-RCA,一种微服务根因定位模型,该模型通过集成参数增强型异构追踪-日志图、双变量图变分自编码器以及一种受反事实启发的恢复评分机制,通过统一多源可观测性数据并测量节点级恢复贡献,来有效地将真实根因与级联受害者区分开来。
本研究提出了一种通过决策级堆叠融合音频和视频特征的多模态深度学习框架,在人体跌倒检测中实现了98%的准确率,显著优于单模态模型及其他融合策略。
本文提出了一种鲁棒且具备语义感知能力的多模态网络钓鱼检测框架,该框架通过融合 URL、文本和视觉特征,并结合校准置信度与对抗训练,在保持高准确率及应对欺骗性攻击的高可靠性的同时,显著优于单模态基准模型。
本文通过对 AgentGuard AI v2.4.0 进行基于人工制品的案例研究,展示了该研究原型如何实现 AI 智能体的运行时风险检测与控制机制,同时强调了其作为可检查治理工具的效用,并指出了导致无法声称具备生产有效性的特定可复现性缺陷。