计算机视觉中的活体检测：基于 Transformer 的自监督学习用于人脸反欺骗

BriefGPT - AI 论文速递 ·

本文比较了不同自监督视觉变换器（ViTs）的局部代表能力，并设计了评估框架。发现对比学习方法产生更通用的局部表示，而掩蔽图像建模方法学习的嵌入对大多数下游任务没有有用信息。移除高方差特征对k-NN算法有改进。DINOv2在大规模数据上预训练的模型在物体实例检索方面表现较差。

transformer 对比学习局部代表能力掩蔽图像建模物体实例检索自监督自监督视觉变换器计算机视觉

原文中文，约400字，阅读约需1分钟。