CFPL-FAS: 无类别提示学习的通用人脸反欺骗
原文中文,约400字,阅读约需1分钟。发表于: 。利用大规模的 VLMs(如 CLIP)利用文本特征动态调整分类器权重,通过使用两个轻量级 Transformer(CQF 和 SQF)来学习基于内容和样式特征的不同语义提示,通过 Prompt Modulation(PM)设计,将学习到的文本特征调制到视觉特征上,以实现面向多领域的面部反欺诈模型的改进。
本论文介绍了一种名为PL-FSCIL的新方法,利用信息提示和预训练视觉转换器模型解决Few-Shot Class-Incremental Learning的挑战。该方法在CIFAR-100和CUB-200数据集上验证了有效性,展示了其在实际应用中的潜力。