-
题名基于时空特征和注意力机制的伪造检测方法
- 1
-
-
作者
姬莉霞
徐冲
杜云龙
陈允峰
张晗
-
机构
郑州大学网络空间安全学院
四川大学计算机学院
河南众诚信息科技股份有限公司
四川警察学院智能警务四川省重点实验室
-
出处
《郑州大学学报(理学版)》
北大核心
2025年第5期9-15,共7页
-
基金
河南省重大科技专项(231100210200)。
-
文摘
针对伪造检测中存在的特征冗余以及缺乏判别性等问题,提出一种基于时空特征和注意力机制的人脸伪造检测方法,旨在从时域和空域上挖掘图像的伪造线索,由帧间差异信息作为出发点进行伪造检测。首先,利用空间注意力模块,使模型关注到真实场景下易产生伪造的脸部区域。其次,利用时间注意力模块,对视频中人脸运动幅度变化更大、判别性更强的帧给予更高的权重。在FaceForensics++数据集上进行实验,结果表明,所提方法的曲线下面积(AUC)指标在低质量和高质量视频上分别达到89.04%和98.81%。此外,在Celeb-DF数据集上的测试结果也显示了所提方法具有良好的泛化性能。
-
关键词
伪造检测
时空特征
帧间差异
注意力机制
-
Keywords
forgery detection
spatio-temporal feature
inter-frame difference
attention mechanism
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种基于邻域注意力的扩散模型训练方法研究
- 2
-
-
作者
姬莉霞
周洪鑫
肖士杰
陈允峰
张晗
-
机构
郑州大学网络空间安全学院
四川大学计算机学院
河南众诚信息科技股份有限公司
-
出处
《计算机工程》
北大核心
2025年第8期262-269,共8页
-
基金
河南省重大科技专项(231100210200)
河南省重点研发与推广专项(232102210128)。
-
文摘
生成扩散模型是一种能够学习数据生成过程的模型,它可以根据输入的高斯噪声,逐步去噪生成新的数据样本,因此被广泛应用于图像生成领域。近期,有研究发现扩散模型性能取决于网络复杂度而非U-Net的归纳偏置,因此可以利用Transformer作为骨干网络,使得扩散模型能够继承对Transformer的最新研究成果。然而,Transformer的引入又会导致模型体积增大、训练速度减慢。针对使用Transformer骨干网络的扩散模型训练速度慢、生成的图像细节信息不佳的问题,提出一种基于邻域注意力架构的扩散模型,该模型引入带有邻域注意力的Transformer骨干网络,利用邻域注意力机制的稀疏全局注意力模式,指数级扩展了扩散模型对图像的感知范围,使模型用较小的代价关注到了全局信息。通过注意力扩展层的渐进式膨胀变化,在模型训练阶段捕获到更多的视觉信息,使得模型生成的图像具有更好的全局性。实验结果表明,所提模型生成的图像有较优的全局细节,生成效果优于当前的SOTA模型。
-
关键词
扩散模型
图像生成
生成式模型
邻域注意力
Transformer骨干网络
-
Keywords
diffusion model
image generation
generative model
neighborhood attention
Transformer backbone network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
