图引导视频视觉变换器（G$^2$V$^2$former）：用于人脸反欺诈
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了当前人脸反欺诈方法在处理动态欺诈线索方面的不足，提出了一种结合面部特征与面部地标的新方法G$^2$V$^2$former，通过空间和时间注意力分解以及时态注意力机制，增强了动态信息的捕获能力。实验结果表明，该方法在多种场景下具有优越的性能，具有重要的应用潜力。
本文介绍了一种新的方法，通过在视频层面上以度量为基础的方式来增强数据域广义化中反欺骗性能。研究结果显示，该方法在模型的稳定性和泛化能力方面取得了更好的结果，并能提升模型的泛化能力。通过在多个数据集上的评估，该方法在偏差、方差、HTER和AUC等指标上超过了现有的最先进方法。
