基于多尺度特征融合重建学习的深度伪造人脸检测算法

随着深度伪造技术的快速发展,针对深度伪造人脸的检测已经成为计算机视觉领域的研究热点。虽然现有的基于噪声、局部纹理或频率特征的检测方法能够在特定场景中表现出良好的检测效果,但这些方法缺乏对人脸细粒度表征特征的深入挖掘,限制了其泛化能力。为了解决上述问题,文章提出了一种新型的基于多尺度特征融合重建的分类网络模型MSFFR,该网络模型从重建学习的角度学习挖掘人脸细粒度内容和梯度表征特征信息,并采用多尺度特征融合的方式实现伪造人脸的检测,通过融合这两种信息来识别伪造面孔。文章提出的模型包含3个创新模块,设计了双分支特征提取模块,用于揭示真实人脸与伪造人脸之间的分布差异;提出了细粒度内容和梯度特征融合模块,用于探索挖掘人脸细粒度内容特征与梯度特征之间的相关性;引入了基于重建视差的双向注意力模块,有效地指导模型对融合后的特征进行分类。在大规模基准数据集上进行的广泛实验表明,与现有技术相比,文章提出的方法在检测性能方面具有显著提高,尤其是在泛化能力方面表现出色。

网联车辆事件触发H_(2)/H_(∞)滚动时域状态估计

针对网联车辆协同自适应巡航控制系统状态监控问题,提出了一种基于事件触发的H_(2)/H_(∞)滚动时域状态估计算法。由于车辆状态信息经由通信信道传输至估计器的过程存在噪声干扰,采用H_(2)/H_(∞)滚动时域估计算法处理噪声对状态估计的影响。首先,针对传统估计方法时间触发的保守性,引入事件触发工具调整CACC系统与估计器之间的通信频率,以减少通信信道占用量;其次,采用线性矩阵不等式工具计算状态估计器,并保证估计误差系统的稳定性;最后,以4辆车队列CACC系统为例,通过对比仿真验证了该算法的有效性。