DBDH: 一种用于隐形嵌入区域定位的双支路双头神经网络
原文中文，约200字，阅读约需1分钟。发表于：。本文提出了一种基于 Dual-Branch Dual-Head（DBDH）神经网络的不可见嵌入区域精确定位技术，利用低级纹理分支和高级上下文分支来捕捉高频信号以及提取嵌入和正常区域的区分特征，通过检测头直接检测嵌入区域的四个顶点，并引入额外的分割头用于训练期间提供像素级别监督，以提高模型对嵌入信号的学习能力。实验结果表明，所提出的 DBDH 方法优于现有方法。
本文介绍了一种基于RGB-D输入的轻量级双分支重建网络(DBRN)，通过学习正常和异常样本之间的决策边界，使用深度图而不是点云输入来消除两种模态之间的对齐要求，并引入了一个重要性评分模块来辅助融合这两种模态的特征。
