BriefGPT - AI 论文速递
·
领域通用屏幕图像识别方法的 SWIN Transformer 应用
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的视频层面上的度量方法，用于增强数据域广义化中的反欺骗性能。该方法通过利用不确定性测量来提升模型的稳定性和泛化能力，并在偏差、方差、HTER和AUC等指标上超过了现有的最先进方法。
🎯
关键要点
-
本文介绍了一种新的视频层面上的度量方法，用于增强数据域广义化中的反欺骗性能。
-
该方法通过利用不确定性测量来提升模型的稳定性和泛化能力。
-
简单扩大模型的骨干网络并不能改善模型的不稳定性。
-
提出了一种集成骨干网络的方法，在度量和欺骗准确度方面取得了更好的结果。
-
通过增强抽样提升模型的泛化能力。
-
在OMC、CelebA-Spoof和SiW-Mv2数据集上评估，最终模型在偏差、方差、HTER和AUC等指标上超过了现有的最先进方法。
➡️
