排序方式: 共有3条查询结果,搜索用时 46 毫秒
1
1.
现有的人脸伪造检测方法通常在已知域上表现较好,但面临过拟合的风险,在应对未知场景时无法保持良好的检测能力。为解决此问题,提出一种结合多视角学习与一致性表征的人脸伪造检测框架。为捕获更全面的伪造痕迹,将输入图像转换为两种互补视角并采用双流骨干网络进行多视角特征学习。引入一致性度量,以补丁级监督的方式明确约束不同视角输出的局部特征的相似度。为提高检测精度,采用特征分解策略进一步优化伪造特征,减少不相关因素的干扰,并以伪造特征空间的决策作为最终的预测结果。在基准数据集上进行的大量实验表明,所提出的方法优于现有的主流模型,具备良好的跨域泛化能力。 相似文献
2.
大范围场景光学非接触式测量在工程中具有广泛的应用需求,常规基于单相机的多视图重建测量方法需要在场景中加入尺度基准,图像采集过程复杂、对图像重合度要求高。为此提出一种利用固连双目相机进行多视图重建的方法,既继承多视图重建中测量范围大的优势,同时又无须尺度基准,图像采集过程更简单易实现,数据优化过程中还额外增加了双相机固连约束条件。具体实现过程中,首先标定获取安装在固定杆上的两相机的内参数及固连关系,然后使用双相机对待测量区域采集图像并双目交会获取每一时刻的空间点云。计算相邻时刻点云所在坐标系的转换关系,通过传递将所有时刻图像对应相机位姿以及交会点云统一在指定坐标系下,由光束法平差优化相机位姿及点云坐标,由重建点云坐标即可计算待测尺寸参数及形变信息。经实验验证,在5 m范围内,其测量误差最大3 mm,均值1 mm。该方法可以满足大尺寸物体、大范围场景的测量需求且稳定可靠。 相似文献
3.
1