该文介绍了一种名为 Fourier Transformer 的方法，通过使用快速傅里叶变换算子来执行离散余弦变换，以减少计算成本并保留从预训练模型中继承权重的能力。该模型在长距离建模基准 LRA 上表现最佳，在生成 Seq-to-Seq 任务方面也优于标准 BART 和其他高效模型。

该文介绍了一种通过重新参数化方法实现离散余弦变换卷积核加权求和的方法，结合L1正则化，能够在低计算成本下显著改善率失真性能，解决过拟合图像压缩中的权重存储问题和实用性快速收敛困难。

该文介绍了一种基于离散余弦变换的频率对抗攻击方法，可欺骗面部伪造检测器，比现有的空间域对抗攻击更难察觉，不会降低图像质量。实验表明该方法有效欺骗了空间域和最先进的频率域检测器，并增强了面部伪造检测器的可靠性。

本文提出了一种可解释的面部特征提取算法，用于单一变形攻击检测。该方法基于原始图像、形状、纹理、频率和压缩。在三种基于地标点的人脸变形方法和基于 StyleGAN 的变形方法上进行随机森林分类器的训练，其中 FRLL 数据库提供了变形图像。用于变形攻击检测，离散余弦变换方法在合成图像上获得了最佳结果，基于地标点的图像特征使用 BSIF 进行检测。

本文提出了一种可解释的面部特征提取算法，用于单一变形攻击检测。该方法基于原始图像、形状、纹理、频率和压缩。在三种基于地标点的人脸变形方法和基于 StyleGAN 的变形方法上进行随机森林分类器的训练，其中 FRLL 数据库提供了变形图像。用于变形攻击检测，离散余弦变换方法在合成图像上获得了最佳结果，基于地标点的图像特征使用 BSIF 进行检测。

本文提出了一种可解释的面部特征提取算法，用于检测真实和变形图像，用于单一变形攻击检测。该方法基于原始图像、形状、纹理、频率和压缩。通过训练随机森林分类器，使用三种基于地标点的人脸变形方法和基于 StyleGAN 的变形方法，来检测变形攻击。离散余弦变换方法在合成图像上获得了最佳结果，基于地标点的图像特征使用 BSIF 进行检测。

本文提出了一种可解释的面部特征提取算法，用于检测真实和变形图像，用于单一变形攻击检测。该方法基于原始图像、形状、纹理、频率和压缩。通过训练随机森林分类器，使用三种基于地标点的人脸变形方法和基于 StyleGAN 的变形方法，来检测变形攻击。离散余弦变换方法在合成图像上获得了最佳结果，基于地标点的图像特征使用 BSIF 进行检测。