2024-CVPR-Preserving Fairness Generalization in Deepfake Detection

已于 2024-05-10 19:16:03 修改
阅读量1.1k 收藏 16
点赞数 16
CC 4.0 BY-SA版权
分类专栏： Deepfake Detection 文章标签： 计算机视觉
于 2024-04-20 14:59:36 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_37246721/article/details/137939733
该研究探讨了Deepfake检测模型的统计偏差和公平性问题，提出了解纠缠学习结合公平性损失的解决方案，旨在在跨数据集测试时保持公平性泛化。通过提取人口统计学和领域无关特征，设计了人种分布感知边界损失、对比损失、重建损失和解纠缠损失，以改善模型性能和公平性。同时，采用双层公平性损失和优化策略优化损失景观，增强公平性泛化能力。

MM赶完，回来继续更论文了哈哈哈哈
一、研究背景
1.Deepfake detection模型存在统计学偏差，并对特定人群作出不公平的判断。
2.Fair loss function可以解决上述不公平检测问题，但在跨域测试时会失效。
3.许多工作致力于通过增加注释来解决Deepfake数据集中存在的数据偏差，但相关的公平性泛化问题一直没有得到有效解决。

二、研究动机
1.通过对比，发现公平性方法DAW-FDD和公平性损失DAW-FDD(UFC)在跨数据集测试时均会失效。
2.人种特征通常与面部特征紧密相关，移除人种相关特征r(X)Dr(X)_Dr(X)

了解本专栏 订阅专栏 解锁全文 超级会员免费看
哥又来看论文了《Deepfake Video Detection Using Convolutional Vision Transformer》
weixin_56180495的博客
01-03 1543
我对这篇论文的评价：很水但平易近人！适合我这个小白（憨憨）看~
CVPR2024｜AIGC(图像生成，视频生成，3D生成等)相关论文汇总（附论文链接/开源代码/解析）【持续更新】
Kobaayyy的博客
02-28 7385
整理汇总下今年CVPR AIGC相关的论文和代码
CVPR2024部分研究方向文章梳理（持续更新中）
llptyy的博客
04-09 1338
CVPR2024部分研究方向文章梳理（持续更新中）
计算机视觉论文-2021-06-16
中科院AI算法工程师的博客
06-21 1976
本专栏是计算机视觉方向论文收集积累，时间：2021年6月16日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） 1, TITLE:A Value-Function-based Interior-point Method for Non-convex Bi-level Optimization AUTHORS: Risheng Liu ; Xuan Liu ; ...
【CVPR2022】论文列表与下载——PartFour
TomRen
06-12 3455
【CVPR2022】完整论文列表
最新-时间序列-顶会顶刊论文汇总【论文/源码链接】
weixin_45016199的博客
05-18 5107
这半年我一直在看时间序列相关的论文，这篇汇总非常有用，全是干货。顶会顶刊，开源代码。祝学习愉快！【搬运自github】【侵删】
CVPR2022论文列表（中英对照）
热门推荐
dovings的博客
07-04 2万+
CVPR论文列表，中英对照
CCF A类会议或期刊----回归相关论文
Thincor的博客
06-07 1749
回归相关论文
CVPR2021论文列表（中英对照）
dovings的博客
07-04 1万+
CVPR论文列表，中英对照
CCF A类会议或期刊----近两年聚类相关论文
Thincor的博客
03-21 6659
会议/期刊 论文 sigmod2021 Fast Density-Peaks Clustering: Multicore-based Parallelization Approach. sigmod2021 SharPer: Sharding Permissioned Blockchains Over Network Clusters. sigmod2021 Dynamic Structural Clustering on Graphs. sigmod2021 On Saving....
（八：2020.08.27）CVPR 2020 追踪之论文纲要（译）
Jojo论文基地
08-27 1万+
CVPR 2019 追踪之论文纲要（修正于2020.08.27）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 Respect！ 论文目录 论文 概要 12-in-1 - Multi-Task Vision and Language Repre
医学生图像分割的测试时生成增强方法文献速递-医疗影像分割与目标检测最新技术
weixin_38594676的博客
12-26 909
在涵盖九个数据集的三个不同分割任务上的广泛实验表明，TTGA不仅显著提高了分割准确性（相对于基线DSC增益0.1%-2.3%），还能提供像素级错误估计（相对于基线DSC增益1.1%-29.0%），提升了模型在复杂医学场景中的鲁棒性和可靠性。为解决这些限制，本研究引入了测试时生成增强（TTGA），一种利用领域微调生成模型在推理时生成多样化、上下文相关增强的新策略，旨在提升分割精度和不确定性估计，其核心是掩膜空文本反演技术和双重去噪路径。在增强生成阶段，利用语义和区域信息引导的空文本嵌入来生成一系列增强图像。
计算机视觉全栈宝典：从BEV感知到边缘部署（附15套实战方案）
2403_88718395的博客
12-28 751
从 1981 年的 Canny 边缘检测到 2025 年的 BEV 三维感知，计算机视觉用四十年时间实现了从 “看到像素” 到 “看懂世界” 的蜕变。它不仅是 AI 技术的核心分支，更是智能时代的 “视觉基础设施”—— 重塑工业制造的质检流程，革新医疗健康的诊断方式，推动自动驾驶的量产落地，赋能千行百业的数字化转型。
【读点论文】Few-Shot Object Detection A Comprehensive Survey元学习和迁移学习
白水空空
12-23 810
少样本目标检测（FSOD）是应对深度学习目标检测对海量标注数据依赖的新兴领域，旨在通过**少量（K-shot，K 通常为 1-30）标注样本**检测新类别目标，核心分为**元学习**（含双分支、单分支架构，依赖 episodic 训练和特征聚合）和**迁移学习**（基于简单微调，聚焦梯度流优化与知识迁移）两大类方法，关键技术包括注意力机制、度量学习、数据增强等；常用数据集为 PASCAL VOC（20 类 和 Microsoft COCO80 类，评估以平均精度（AP）为核心指标当前趋势包括技术优化（如 T
PISCO：用于改进动态MRI神经隐式k空间表示的自监督k空间正则化文献速递-医疗影像分割与目标检测最新技术
weixin_38594676的博客
12-25 662
2025.12.25这篇文章发表于《Medical Image Analysis》期刊（2026 年第 109 卷），由慕尼黑工业大学、智利天主教大学等机构学者联合撰写，聚焦动态磁共振成像（MRI）的快速重建问题，提出一种基于自监督 k 空间正则化的神经隐式表示方法 PISCO。Title题目01PISCO: Self-supervised k-space regularization for improved neural implicit k-space representations of dynam
《数字图像处理》实验3-频率域处理方法
2302_80961196的博客
12-26 775
摘要：本实验基于MATLAB实现了图像频域处理技术，主要包括：1）利用fft2和ifft2完成傅里叶变换与逆变换，验证了变换的可逆性；2）对比不同图像的频谱特征，发现平滑图像低频集中而细节丰富图像高频显著；3）验证二维DFT可分解为行列一维变换；4）设计理想低通滤波器实现高斯噪声抑制。实验结果表明，频域处理能有效分析图像频率特征并进行噪声过滤，但理想低通滤波会带来边缘模糊。实验系统掌握了频域图像处理的核心流程与关键技术。
计算机视觉Transformer-2 目标检测
最新发布
oldsummer
12-28 684
本文系统介绍了基于Transformer的目标检测模型发展历程。首先分析DETR如何通过集合预测思想替代传统CNN检测方法，详细解析其Encoder特征编码和Decoder目标解码机制，以及匈牙利算法实现的损失计算。随后探讨Deformable DETR的两大改进：可分离注意力机制降低计算复杂度，多尺度特征融合提升小目标检测效果。最后介绍RT-DETR的创新设计，包括两阶段查询机制、高层特征注意力计算和多尺度特征融合模块。这些工作展现了Transformer在目标检测领域的优势与发展方向。
cv.drawChessboardCorners 是 OpenCV 中用于可视化棋盘格角点检测
中年程序员一枚的博客
12-24 315
cv.drawChessboardCorners 是 OpenCV 中用于可视化棋盘格角点检测结果的核心函数，常配合 cv.findChessboardCorners 使用，主要用于相机标定、立体视觉等场景的结果验证。
基于 BEVFormer 的 3D 目标检测 + OCC 占据预测BEV多任务模型设计与训练（Apollo-Vision-Net 实战）
12-24 533
本文基于 Apollo-Vision-Net 工程，实现了一个多任务 BEVFormer 模型，同时完成 3D 目标检测和占据栅格预测（OCC）。模型采用共享 BEV 表示的设计，检测分支使用 DETR 风格的 decoder 进行 query-based 预测，而 OCC 分支直接将 BEV token 上采样为体素网格。配置文件中定义了 BEV 尺寸（50×50）、时序长度（queue_length=3）以及多任务损失函数（检测使用 Focal Loss 和 L1 Loss，OCC 使用 Focal L
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

二苏旧局吖

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值