抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
以前の深層検出研究の大部分は,人間の知覚可能な方法におけるアーチファクトを記述し,識別する努力を曲げ,それは,いくつかの重要な不変性特徴イントラクラスを無視し,インターネット干渉のロバスト性を劣らせる学習ネットワークにバイアスを残す。本質的に,深層検出問題のターゲットは,表現空間で識別空間で自然な顔と偽顔を表現することであり,クラス内表現を制約し,クラス内表現を近接して,クラス間表現を押し出すために,クラス内一貫性とクラス間不一致を制約することを通して,表現空間で特徴抽出手順を最適化できるかどうかを思い出す。したがって,対照的な表現学習によって触発されて,著者らは両方のクラスの不変表現を学習することを通して,深遠な検出問題に対処して,新しい実中心一貫性学習方法を提案した。サンプルレベルと特徴レベルの両方から表現を制約した。サンプルレベルで,著者らは,深遠合成の手順を取り上げて,潜在的発生関連特徴をマイニングするために,新しい偽造セマンティックベースのペアリング戦略を提案した。特徴レベルにおいて,表現空間における自然顔の中心に基づいて,著者らは,潜在的限界特性をシミュレーションするために,ハードポジティブマイニングと合成方法を設計した。さらに,ハードネガティブ融合法を設計して,著者らが開発した教師つきコントラストマージン損失の助けを借りて,負の限界特徴の識別を改善した。提案方法の有効性とロバスト性を,広範囲な実験によって実証した。【JST・京大機械翻訳】
