丽水集团网站建设,wordpress留言标签板,网页设计英语,灰色seo关键词排名文章目录 Dual Contrastive Learning for General Face Forgery Detectionkey points:贡献方法数据视图生成对比学习架构实例间对比学习实例内对比学习总损失函数实验实验细节定量结果跨数据集评估跨操作评估消融实验可视化Dual Contrastive Learning for General Face Forgery… 文章目录 Dual Contrastive Learning for General Face Forgery Detectionkey points:贡献方法数据视图生成对比学习架构实例间对比学习实例内对比学习总损失函数 实验实验细节定量结果跨数据集评估跨操作评估消融实验 可视化 Dual Contrastive Learning for General Face Forgery Detection
会议：AAAI 2022 作者： code：https://github.com/Tencent/TFace.git
key points:
以前聚焦——人脸伪造检测——基于交叉熵损失的分类问题【强调类别水平的差异，而不是真假人脸之间的本质差异，限制了模型在未知领域的泛化】
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，并在不同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
