-
公开(公告)号：CN117133039B
公开(公告)日：2024-03-15
申请号：CN202311126138.1
申请日：2023-09-01
Applicant: 中国科学院自动化研究所
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，提供一种图像鉴伪模型训练方法、图像鉴伪方法、装置及电子设备，该方法通过图像鉴伪模型在不同时段的伪造类型的真伪图像样本上进行域增量学习，以提升图像鉴伪模型对新型伪造算法的快速适应能力，同时保持对原伪造图像的鉴别精度。而且，该方法在对当前时段的训练过程，只需要前一历史时段的真伪图像特征分布参数，利用其确定前一历史时段的真伪重建特征即可得到各历史时段的真伪重建特征，并不需要各历史时段的真伪图像特征，可以避免访问历史时段的真伪图像样本时可能造成的隐私泄露和数据安全问题，有利于隐私保护和信息安全。
-
公开(公告)号：CN117315090A
公开(公告)日：2023-12-29
申请号：CN202311265075.8
申请日：2023-09-27
Applicant: 中国科学院自动化研究所
Abstract: 本公开涉及一种基于跨模态风格学习的图像生成方法及装置，所述方法包括：通过预训练生成对抗网络生成目标生成图像，并对目标训练图像进行图像增强处理；将目标生成图像和处理后目标训练图像，输入对抗网络的判别器中，将判别器输出的目标特征，输入训练好的原型空间中，并根据原型空间的输出确定交换预测损失；获取目标训练图像和目标生成图像之间的原始对抗损失、源生成图像和目标生成图像之间的对比学习损失与文本指导损失，并根据所述损失确定微调损失；按照所述微调损失对对抗网络进行微调，得到微调后图像生成模型，通过图像生成模型生成与训练图像一致的图像，能够解决当前极少量样本下目标域风格学习不佳的问题。
-
公开(公告)号：CN113313132B
公开(公告)日：2021-11-09
申请号：CN202110875691.X
申请日：2021-07-30
Applicant: 中国科学院自动化研究所
Abstract: 本公开涉及一种对抗样本图像的确定方法、装置、电子设备及存储介质，上述方法包括：获取原始图像，并通过降维算法将所述原始图像转换为原始图像流形；调用图像搜索函数，以根据所述原始图像流形确定目标图像；通过神经网络模型，根据所述原始图像流形和所述目标图像，确定对抗样本图像，其中，所述神经网络模型已通过训练，学习到并保存有所述神经网络模型输入的图像和输出的目标特征之间的对应关系，所述对抗样本图像通过在所述神经网络模型的特征空间进行度量学习确定。采用上述技术手段，解决现有技术中，在生成对抗样本时，容易过度拟合训练模型的结构，从而造成相对较低的迁移性等问题。
-
公开(公告)号：CN113033511A
公开(公告)日：2021-06-25
申请号：CN202110556372.2
申请日：2021-05-21
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于操控解耦身份表示的人脸匿名方法，包括：训练数据准备处理阶段，具有身份解耦能力的生成模型的训练阶段；人脸信息的操纵阶段；测试阶段；利用生成模型的去耦能力，以已有的人脸特征提取网络所提取的特征作为监督信号，将人脸图片的属性信息以及身份信息分别解耦。在顺利的解耦出人脸的属性信息以及身份信息之后，该方法保持属性信息不变，同时对身份信息进行操纵，以达到对人脸图片进行匿名化的目的。该方法主要包括以下阶段；本方法可以将图片和视频帧中已有的人脸进行匿名化处理，匿名化后的人脸图片或者视频帧在保持与原图高度相似的同时，不能够被已有的人脸识别系统检测为原身份，从而有效保护原人脸图片持有者的隐私。
-
公开(公告)号：CN107025647B
公开(公告)日：2020-02-28
申请号：CN201710137310.1
申请日：2017-03-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种图像篡改取证方法及装置，所述方法包括标注待测图像的观测线索；构建目标物体所属类别物体的三维形变模型；估计支撑平面的三维法向量；估计目标物体的三维姿态；依据目标物体与支撑平面之间，和/或多个目标物体之间的平行度，判断待测图像是否为篡改图像。与现有技术相比，本发明提供的一种图像篡改取证方法及装置，依据目标物体与支撑平面之间，和/或多个目标物体之间平行度的大小判断待测图像是否为篡改图像，能够有效判断低质量图像是否为篡改图像。
-
Patent Agency Ranking
公开(公告)号：CN110428006A
公开(公告)日：2019-11-08
申请号：CN201910706992.2
申请日：2019-08-01
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明属于计算机生成图像、计算机视觉与图像取证领域，具体涉及一种计算机生成图像的检测方法、系统、装置，旨在解决现有计算机生成图像检测模型对模型的训练集非同源的数据检测准确率低的问题。本系统方法包括获取待检测的图像，作为输入图像；基于输入图像，通过计算机生成图像检测模型获取图像检测结果；其中，计算机生成图像检测模型采用基于DCGAN判别模型的CNN网络构建。本发明增强了计算机生成图像检测模型的泛化能力，提高了其对模型的训练集非同源的数据检测的准确率。
-
公开(公告)号：CN115410260B
公开(公告)日：2023-03-28
申请号：CN202211076090.3
申请日：2022-09-05
Applicant: 中国科学院自动化研究所
Abstract: 本公开涉及一种人脸鉴伪取证方法及装置、电子设备及存储介质，所述方法包括：在疑似换脸图像上绘制脸部包络线，其中，所述疑似换脸图像为利用训练好的人脸鉴伪模型鉴别得到的；将疑似换脸图像上脸部包络线范围内的区域作为目标区域，对所述目标区域的图像进行增强处理，分别得到疑似换脸图像的更真增强图和更假增强图；将更真增强图和更假增强图与疑似换脸图像进行对比显示，作为疑似换脸图像的鉴别证据，通过疑似换脸图像的更真增强图和更假增强图以及与目标区域的图像原图进行对比，能够凸显出疑似换脸图像的伪造痕迹，作为人脸鉴伪模型的鉴别证据。
-
公开(公告)号：CN114005170A
公开(公告)日：2022-02-01
申请号：CN202210002592.5
申请日：2022-01-05
Applicant: 中国科学院自动化研究所
Abstract: 本发明提出基于视觉对抗重构的DeepFake防御方法和系统。其中，方法包括：两阶段方法。在第一阶段，将真实人脸数据转化为潜在编码，它能够通过一个生成器逼真地重建真实图像。将这个问题看做GAN的逆向问题，训练一个编码器来生成潜在嵌入，将其作为初始化，然后再对其进行微调。在第二阶段，在第一阶段获得的潜在嵌入的临近域中搜索，以获得最优嵌入，该嵌入可以产生完美的重建并且使DeepFake失效。此过程中，潜在嵌入使用来自目标DeepFake模型的梯度信息进行优化，并限制在一个小的修改范围中，以满足视觉相似性要求。
-
公开(公告)号：CN113344777B
公开(公告)日：2021-10-15
申请号：CN202110882708.4
申请日：2021-08-02
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供基于三维人脸分解的换脸与重演方法及装置，具有同一套流程可同时实现任意人换脸和表情重演的特点，方法包括：应用三维形变模型拟合将给定的2D图像分解，得到三维分解参数：ID形状，表情和姿态；训练图像转化模型，模型的统一输入为：目标图像背景Isur、操纵后的3D人脸投影Ishp、3D重演人脸表观图Iapp，模型输出为生成的换脸或重演图像；模型的训练损失为：约束生成图像与训练数据中的目标图像相似的重构损失Lrec和约束生成图像在ID上与输入图像相似的身份损失Lid；两项损失加权构成最终损失；优化所述最终损失，得到训练后的模型；将测试数据经三维人脸分解和人脸属性重组变换后，输入所述训练后的模型生成换脸视频及表情重演视频。
-
公开(公告)号：CN113344777A
公开(公告)日：2021-09-03
申请号：CN202110882708.4
申请日：2021-08-02
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供基于三维人脸分解的换脸与重演方法及装置，具有同一套流程可同时实现任意人换脸和表情重演的特点，方法包括：应用三维形变模型拟合将给定的2D图像分解，得到三维分解参数：ID形状，表情和姿态；训练图像转化模型，模型的统一输入为：目标图像背景Isur、操纵后的3D人脸投影Ishp、3D重演人脸表观图Iapp，模型输出为生成的换脸或重演图像；模型的训练损失为：约束生成图像与训练数据中的目标图像相似的重构损失Lrec和约束生成图像在ID上与输入图像相似的身份损失Lid；两项损失加权构成最终损失；优化所述最终损失，得到训练后的模型；将测试数据经三维人脸分解和人脸属性重组变换后，输入所述训练后的模型生成换脸视频及表情重演视频。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.038 seconds)
