Comparative Analysis of Hand-Crafted and Machine-Driven Histopathological Features for Prostate Cancer Classification and Segmentation
本文比较了手工特征（GLCM、LBP）与U-Net机器驱动特征在前列腺癌分类和分割中的表现，发现U-Net在分割质量上更优，而手工特征分类准确率最高达99.0%。
2025-01-19 cs.CV cs.LG eess.IV
Universal Physical Camouflage Attacks on Object Detectors
Sun Yat-sen University（中山大学）；The Johns Hopkins University（约翰斯·霍普金斯大学）；Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；University of Maryland, College Park（马里兰大学帕克分校）
在本文中，我们研究了物理对抗攻击的对象检测器在野外。以前的作品大多工艺实例依赖扰动仅为刚性或平面对象。为此，我们建议学习一种对抗模式，以有效地攻击属于同一对象类别的所有实例，称为通用物理欺骗攻击（UPC）。具体地说，UPC通过联合欺骗区域建议网络，以及误导分类器和回归器输出错误来伪装。为了使UPC对非刚性或非平面物体有效，我们引入了一组用于模仿可变形特性的变换。我们还施加优化约束，使生成的模式看起来自然的人类观察者。为了公平地评估不同物理世界攻击的有效性，我们提出了第一个标准化的虚拟数据库AttackScenes，它在可控和可再现的环境中模拟真实的3D世界。大量的实验表明，与现有的物理对抗攻击者相比，我们提出的UPC不仅在虚拟环境（AttackScenes）中，而且在现实世界的物理环境中都具有优越性。代码和数据集可在https://mesunhlf.github.io/index_physical.html上获得。
2020-04-21 cs.CV
Generative Adversarial Perturbations
Cornell University（康奈尔大学）；Cornell Tech（康奈尔理工学院）；Shanghai Jiao Tong University（上海交通大学）
在本文中，我们提出了一种新的生成模型，用于创建对抗性示例，轻微扰动的图像类似于自然图像，但恶意制作以欺骗预先训练的模型。我们提出了可训练的深度神经网络，用于将图像转换为对抗性扰动。我们提出的模型可以产生图像不可知和图像相关的扰动有针对性的和非有针对性的攻击。我们还证明了类似的架构可以在欺骗分类和语义分割模型方面取得令人印象深刻的结果，从而避免了为每个任务手工制作攻击方法的需要。通过对ImageNet和Cityscapes等具有挑战性的高分辨率数据集进行广泛的实验，我们证明了我们的扰动在小扰动范数下实现了高欺骗率。此外，我们的攻击是相当快的推理时间比目前的迭代法。
2018-07-06 cs.CR cs.CV cs.LG
QS-Craft: Learning to Quantize, Scrabble and Craft for Conditional Human Motion Animation
Fudan University（复旦大学）
本文研究了条件人体运动动画（cHMA）的任务。给定源图像和驾驶视频，模型应该动画化新的帧序列，其中源图像中的人应该执行与来自驾驶视频的姿势序列类似的运动。尽管生成对抗网络（GANs）方法在图像和视频合成中取得了成功，但由于难以有效利用图像或姿势等条件引导信息并生成具有良好视觉质量的图像，因此进行cHMA仍然非常具有挑战性。为此，本文提出了一种新的模型，学习量化，拼字，和工艺（QS-Craft）的条件人体运动动画。关键的新颖性来自新引入的三个关键步骤：量化、拼字和工艺。特别是，我们的QS-Craft在其结构中使用了Transformer来利用注意力架构。引导信息被表示为从驾驶视频提取的姿势坐标序列。在人体运动数据集上进行的大量实验验证了该模型的有效性。
2022-03-22 cs.CV
A Deeper Look at Salient Object Detection: Bi-stream Network with a Small Training Dataset
State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（北京航空航天大学虚拟现实技术与系统国家重点实验室）；Qingdao University（青岛大学）；Stony Brook University（石溪大学）
与传统的手工制作方法相比，基于深度学习的方法通过在大规模训练集上训练精心制作的花式网络，实现了巨大的性能提升。然而，我们真的需要大规模的训练集来进行显著目标检测（SOD）吗？在本文中，我们提供了一个更深入的了解SOD性能和训练集之间的相互关系。为了减轻传统的大规模训练数据的需求，我们提供了一种可行的方法来构建一个新的小规模的训练集，它只包含4K图像。此外，我们提出了一种新的双流网络，以充分利用我们提出的小训练集，这是由两个不同结构的特征骨干，通过建议的门控制单元实现互补的语义显著性融合。据我们所知，这是第一次尝试使用小规模训练集来超越在大规模训练集上训练的最先进的模型;尽管如此，我们的方法仍然可以在五个基准数据集上实现领先的最先进的性能。
2020-08-07 cs.CV cs.LG
Patch-Craft Self-Supervised Training for Correlated Image Denoising
The Technion（以色列理工学院）
已知有监督神经网络在各种图像复原任务中取得优异的结果。然而，这样的训练需要由成对的受损图像及其对应的地面真实目标组成的数据集。不幸的是，这些数据在许多应用中不可用。针对噪声统计未知的图像去噪问题，提出了几种自监督训练方法。其中一些需要噪声模型的知识，而另一些则假设污染噪声是不相关的，这两种假设对于许多实际需要来说都太有限了。这项工作提出了一种新的自监督训练技术，适用于去除未知的相关噪声。所提出的方法既不需要噪声模型的知识，也不需要访问地面真实目标。我们的算法的输入包括容易捕获的噪声镜头的突发。我们的算法构建人工补丁工艺图像从这些突发补丁匹配和拼接，并获得制作的图像被用作训练的目标。我们的方法不需要注册的突发内的图像。我们评估所提出的框架，通过广泛的实验与合成和真实的图像噪声。
2022-11-17 cs.CV
CRAFT: Clinical Reward-Aligned Finetuning for Medical Image Synthesis
Department of Computer Science, Tulane University（路易斯安那大学计算机科学系）；School of Medicine, Tulane University（路易斯安那大学医学院）
本文提出CRAFT框架，通过临床对齐评分和奖励优化提升医学图像生成质量，减少幻觉生成，提升分类性能。
2026-05-12 cs.CV
CRAFT: Continuous Reasoning and Agentic Feedback Tuning for Multimodal Text-to-Image Generation
CRAFT通过显式推理和反馈调优提升多模态生成模型的可靠性，实现可控且高效的文本到图像生成。
2026-01-21 cs.CV
CRAFT: A Neuro-Symbolic Framework for Visual Functional Affordance Grounding
Auburn University（亚伯拉罕大学）
CRAFT是一个神经符号框架，融合ConceptNet、语言模型与CLIP，通过基于能量的迭代推理实现可解释的视觉功能可供性定位，在无标签多物体场景中同时提升准确率与可解释性。
2025-07-19 cs.CV
CRAFT: Cross-Attentional Flow Transformer for Robust Optical Flow
Institute of High Performance Computing, A*STAR（A*STAR高性能计算研究所）；Institute for Infocomm Research, A*STAR（A*STAR资讯通信研究院）
光流估计旨在通过识别两幅图像之间的对应像素来找到2D运动场。尽管基于深度学习的光流方法取得了巨大进步，但准确估计具有运动模糊的大位移仍然是一个挑战。这主要是因为相关体积，像素匹配的基础，被计算为两个图像的卷积特征的点积。卷积特征的局部性使得计算的相关性容易受到各种噪声的影响。在具有运动模糊的大位移上，噪声相关性可能导致估计流量的严重误差。为了克服这一挑战，我们提出了一个新的架构“交叉注意流Transformer”（CRAFT），旨在振兴相关体积计算。在CRAFT中，语义平滑Transformer层转换一个帧的特征，使它们更具全局性和语义稳定性。此外，点积相关性被替换为Transformer跨帧注意。该层通过查询和关键字投影过滤掉特征噪声，并计算更准确的相关性。在Sintel（Final）和KITTI（前台）基准测试中，CRAFT实现了最先进的性能。此外，为了测试不同模型对大运动的鲁棒性，我们设计了一种图像移位攻击，该攻击将输入图像移位以生成大的人工运动。在这种攻击下，CRAFT比两种代表性的方法RAFT和GMA表现得更鲁棒。CRAFT的代码可在https://github.com/askerlee/craft上获得。
2022-03-31 cs.CV
Patch Craft: Video Denoising by Deep Modeling and Patch Matching
The Technion（以色列理工学院）；Google Research（谷歌研究院）
自然图像的非局部自相似特性已被广泛地用于解决各种图像处理问题。当涉及到视频序列时，由于时间冗余，利用这种力量甚至更有益。在图像和视频去噪的背景下，许多面向经典的算法采用自相似性，将数据分成重叠的补丁，收集相似的数据组并以某种方式将它们处理在一起。随着卷积神经网络（CNN）的出现，基于补丁的框架已经被抛弃。大多数CNN去噪器对整个图像进行操作，仅通过使用大的接收场来隐式地利用非局部关系。这项工作提出了一种新的方法，用于在视频去噪的背景下利用自相似性，同时仍然依赖于常规的卷积架构。我们介绍了一个概念的补丁工艺帧-人工帧，是类似于真正的，建立平铺匹配补丁。我们的算法用补丁工艺帧来增强视频序列，并将它们馈送到CNN。我们证明了所提出的方法获得的去噪性能的大幅提升。
2021-10-30 cs.CV
Feeding Hand-Crafted Features for Enhancing the Performance of Convolutional Neural Networks
Seoul National University（首尔国立大学）
由于卷积神经网络（CNN）被认为可以为给定的问题找到正确的特征，因此对手工特征的研究目前在某种程度上被忽视了。在本文中，我们表明，找到一个适当的功能，为给定的问题可能仍然是重要的，因为他们可以提高基于CNN的算法的性能。具体地说，我们表明，喂养一个适当的功能，CNN提高其性能，在一些人脸相关的工作，如年龄/性别估计，人脸检测和情感识别。我们将Gabor滤波器组响应用于这些任务，将它们与输入图像一起馈送到CNN。图像和Gabor响应的堆栈可以作为张量输入或作为融合图像馈送到CNN，融合图像是图像和Gabor响应的加权和。Gabor滤波器的参数也可以根据给定的问题进行调整，以提高性能。从大量的实验中，它表明，所提出的方法提供了更好的性能比传统的基于CNN的方法，只使用输入图像。
2018-01-24 cs.CV
Impact of Automatic Image Classification and Blind Deconvolution in Improving Text Detection Performance of the CRAFT Algorithm
Don Mariano Marcos Memorial State University（唐马里亚诺马科斯纪念州立大学）；Ateneo de Manila University（马尼拉雅典耀大学）
自然场景中的文本检测因其广泛的应用而成为计算机视觉和文档分析领域的一个重要而活跃的研究课题，Robust Reading Competition的出现就是明证。在上述比赛中具有良好文本检测性能的算法之一是用于文本检测的字符区域感知（CRAFT）。本研究采用ICDAR2013数据集，研究自动图像分类和盲反卷积作为图像预处理步骤的影响，以进一步增强CRAFT的文本检测性能。该方法利用拉普拉斯算子，以100为阈值，自动将场景图像分为模糊和非模糊两类。在应用CRAFT算法之前，使用盲解卷积对被分类为模糊的图像进行进一步预处理以减少模糊。结果表明，所提出的方法显着提高了CRAFT的检测性能，如其IoU h均值为94.47%，而CRAFT的原始h均值为91.42%，这甚至超过了排名第一的SenseTime，其h均值为93.62%。
2022-11-29 cs.CV cs.LG
Prompt2Craft: Generating Functional Craft Assemblies with LLMs
Graduate School of Engineering Science, Osaka University（大阪大学工学研究科）；National Institute of Advanced Industrial Science and Technology（国家先进工业科学与技术研究院）
Prompt2Craft利用LLM生成手工艺装配，通过识别可见部分、检索模板网格并优化姿态，最终生成功能性的手工艺作品。
2025-12-04 cs.CV
CRAFT: Constrained Reward via Attention Fine-Tuning for Subject Personalization without Composed Targets
DGIST（大邱科技研究院）；Baidu, Inc.（百度公司）；KAIST（韩国科学技术院）
本文提出无需组合目标监督的CRAFT框架，通过LoRA适配器微调参考感知MMDiT，仅用1万张参考样本，在XVerseBench上实现图像主题个性化的最先进性能，且可迁移至其他骨干网络。
2026-08-17 cs.CV
PhysGen3D: Crafting a Miniature Interactive World from a Single Image
Tsinghua University（清华大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Columbia University（哥伦比亚大学）
PhysGen3D从单张图像构建交互式3D场景，结合物理模拟生成可控视频，与Pika等模型相比，在真实感、物理合理性和用户交互性上取得独特平衡。
2025-03-26 cs.CV
Performance Evaluation of SIFT Descriptor against Common Image Deformations on Iban Plaited Mat Motifs
Universiti Malaysia Sarawak（马来西亚沙捞越大学）
婆罗洲土著社区拥有丰富的手工艺遗产。其中一个例子是伊班人的编织垫工艺。联合国教科文组织和砂拉越政府一直在努力保护和推广这种工艺。其中一种方法是开发一个能够识别不同垫子图案的移动应用程序。作为实现这一目标的第一步，我们提出了一个新的图像数据集，由七个垫图案类。每个类别都拥有独特的V形，对角线形状，对称，重复，几何和非几何图案的变化。在这项研究中，尺度不变特征变换（SIFT）描述符的性能评估对五个常见的图像变形，即，缩放和旋转，视点，图像模糊，JPEG压缩和照明。使用我们的数据集，SIFT在属于照明变化、视点变化、JPEG压缩以及缩放和旋转的测试序列中表现良好。然而，它并没有表现得很好，图像模糊测试序列，平均1.61个连续项保留成对匹配后，模糊与高斯核的8.0半径。
2018-10-03 cs.CV
CRAFT: Designing Creative and Functional 3D Objects
Stanford University（斯坦福大学）
本工作提出CRAFT方法，通过网格变形优化语义对齐与接触损失，从文本或图像生成身体感知的3D物体，可模拟或制造，无需人工干预。
2025-03-28 cs.CV cs.GR
CRAFT-LoRA: Content-Style Personalization via Rank-Constrained Adaptation and Training-Free Fusion
AGI Lab, Westlake University（西莱大学AGI实验室）；George Washington University（乔治华盛顿大学）；The University of Queensland（昆士兰大学）
CRAFT-LoRA通过秩约束适应与无训练融合实现内容-风格个性化，提升生成稳定性与语义控制灵活性。
2026-03-02 cs.CV
CRAFT: A Benchmark for Causal Reasoning About Forces and inTeractions
Hacettepe University（哈塞特佩大学）；Koç University（科奇大学）
人类能够感知、理解和推理因果事件。开发具有相似物理和因果理解能力的模型是人工智能的长期目标。作为朝着这个方向迈出的一步，我们介绍了CRAFT，一个新的视频问答数据集，需要因果推理的物理力量和对象的相互作用。它包含58K视频和问题对，这些视频和问题对是从20个不同的虚拟环境中的10K视频中生成的，其中包含各种运动中的物体，这些物体彼此之间以及场景之间进行交互。CRAFT中的两个问题类别包括先前研究的描述性问题和反事实问题。此外，受认知语言学中的力动力学理论的启发，我们引入了一个新的因果问题类别，涉及通过原因，使能和防止等概念来理解对象之间的因果相互作用。我们的研究结果表明，尽管CRAFT中的问题对人类来说很容易，但测试的基线模型，包括现有的最先进的方法，还没有处理我们的基准测试中提出的挑战。
2022-03-01 cs.AI cs.CL cs.CV
Component Selection for Craft Assembly Tasks
Graduate School of Engineering Science, Osaka University（大阪大学工程科学研究生院）；National Institute of Advanced Industrial Science and Technology (AIST)（日本国立先进工业科学技术研究院（AIST））
本研究提出手工装配任务的组件选择方法，通过掩码分割、模板检索位姿优化、形状简化和比例匹配搜索，在RGB图像输入下实现与全组合基线相当的装配组件选择效果。
2024-08-16 cs.CV cs.RO
A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis
Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））；Pengcheng Lab（鹏城实验室）；Tsinghua University（清华大学）；Harbin Medical University Cancer Hospital（哈尔滨医科大学附属肿瘤医院）；Tongji University（同济大学）
CRAFTS通过语义增强的生成基础模型提升病理图像合成质量，生成多样化病理图像并增强多种临床任务性能。
2025-12-16 cs.AI cs.CV
Scenimefy: Learning to Craft Anime Scene via Semi-Supervised Image-to-Image Translation
S-Lab, Nanyang Technological University（南洋理工大学S实验室）
针对真实图像转动漫场景任务中语义保留差、风格化不足及数据稀缺问题，提出半监督框架Scenimefy，借助伪配对数据、对比损失等提升效果，并贡献高分辨率动漫场景数据集，性能超越现有基线。
2023-08-24 cs.CV cs.LG
Person Re-identification: Past, Present and Future
University of Technology at Sydney（悉尼科技大学）；Carnegie Mellon University（卡内基梅隆大学）
由于其重要的应用和研究意义，身份再识别技术在社会上越来越受到重视。它的目的是在其他相机中发现感兴趣的人。在早期，手工制作的算法和小规模的评估主要是报告。近年来，出现了大规模数据集和利用大数据量的深度学习系统。考虑到不同的任务，我们将当前大多数re-ID方法分为两类，即，基于图像和基于视频;在这两项任务中，将审查手工制作和深度学习系统。此外，描述和讨论了两个更接近现实世界应用的新的re-ID任务，即，端到端的重新识别和快速重新识别在非常大的画廊。本文件：1）介绍了人的重新识别的历史及其与图像分类和实例检索的关系; 2）调查了广泛的手工制作的系统和基于图像和视频的重新识别的大规模方法; 3）描述了端到端的重新识别和大型画廊中的快速检索的关键未来方向; 4）最后简要介绍了一些重要但尚未开发的问题。
2016-10-10 cs.CV
Deep Network Flow for Multi-Object Tracking
NEC Laboratories America（美国NEC实验室）
数据关联问题是许多计算机视觉应用的重要组成部分，多目标跟踪是最突出的例子之一。数据关联的一种典型方法是找到一个图匹配或网络流，使成对关联成本之和最小化，这些成本通常是手工制作的，或者是作为固定特征的线性函数学习的。在这项工作中，我们证明了它是可以学习功能的网络流为基础的数据关联通过反向传播，通过表达的最佳平滑网络流问题作为一个可微函数的成对关联成本。我们将这种方法应用于多目标跟踪与网络流配方。我们的实验表明，我们能够以端到端的方式成功地学习关联问题的所有成本函数，在所有设置中都优于手工制作的成本。各种输入源的集成和组合变得容易，成本函数可以完全从数据中学习，减轻了繁琐的手工成本设计。
2017-06-26 cs.CV
MSN: Multi-directional Similarity Network for Hand-crafted and Deep-synthesized Copy-Move Forgery Detection
State Key Laboratory of Software Development Environment, Beihang University（软件开发环境国家重点实验室，北京航空航天大学）；Institute of Artificial Intelligence, Beihang University（人工智能研究院，北京航空航天大学）；State Key Laboratory of Information Security, Institute of Information Engineering, Chinese Academy of Sciences（信息安全部国家重点实验室，信息工程研究所，中国科学院）
本文提出多方向相似性网络（MSN）用于检测手工制作和深度合成的拷贝移动伪造，通过改进的表示和定位方法提升检测效果。
2025-12-08 cs.CV
Learning and Crafting for the Wide Multiple Baseline Stereo
Czech Technical University in Prague（布拉格捷克理工大学）
本文介绍了宽多基线立体声（WxBS）问题。WxBS是标准宽基线立体问题的推广，考虑在多个图像采集因素（如视点、照明、传感器类型）中同时不同的图像的匹配，或者对象外观发生显著变化的图像的匹配，例如，随着时间引入了一个新的数据集，其中包括地面实况、评价指标和基线。本文对WxBS流水线进行了以下改进。(i)一个损失函数，称为HardNeg，用于学习局部图像描述符，该描述符依赖于小批量内的硬负挖掘以及最接近的正补丁和最接近的负补丁之间的距离的最大化。(ii)使用HardNeg损失训练的描述符称为HardNet，它是紧凑的，在标准匹配，补丁验证和检索基准中显示出最先进的性能。(iii)一种用于学习仿射形状、方向以及与局部特征的几何和外观属性相关的潜在其他参数的方法。(iv)提出了一种尝试性的对应关系生成策略，该策略推广了标准的第一至第二最近距离比。该选择策略显示出优于标准方法的性能，适用于硬设计的描述符（如SIFT，LIOP和MROGH）或深入学习的描述符（如HardNet）。(v)一个反馈回路的两个视图匹配问题，导致MODS -匹配与按需视图合成-算法。MODS是一种算法，其处理甚至比先前最先进的ASIFT算法更大的视角差异，而没有比“标准”宽基线和窄基线方法显著增加的计算成本。最后，但并非最不重要的是，一个全面的基准本地功能和强大的估计算法。
2021-12-22 cs.CV
Convolutional Neural Network-Based Image Representation for Visual Loop Closure Detection
National University of Defense Technology（中国人民解放军国防科技大学）；University of Alberta（阿尔伯塔大学）
深度卷积神经网络（CNN）最近在许多计算机视觉和模式识别应用中显示出显著优于使用传统手工特征的最先进解决方案。然而，这种令人印象深刻的性能尚未在机器人技术中得到充分利用。在本文中，我们关注一个可以从CNN技术的最新发展中受益的具体问题，即，我们集中于使用预先训练的CNN模型作为生成适合于SLAM（同时定位与地图构建）中的视觉环路闭合检测的图像表示的方法。我们执行一个全面的评价的输出在中间层的CNN作为图像描述符，与国家的最先进的图像描述符相比，在他们的能力，以匹配图像检测循环关闭。我们研究的主要结论包括：（a）基于CNN的图像表示在没有显著照明变化的环境中表现优于现有技术的手工制作的竞争者，（b）当照明显著变化时，它们表现优于现有技术的竞争者，以及（c）它们也比最先进的手提取明显更快，即使在传统CPU上也能提供精心制作的功能，在入门级GPU上也快了两个数量级。
2015-04-20 cs.CV cs.RO
CRAFT: Concept Recursive Activation FacTorization for Explainability
Carney Institute for Brain Science, Brown University（布朗大学卡尼脑科学研究所）；Sorbonne Université（索邦大学）；CNRS（法国国家科学研究中心）；Artificial and Natural Intelligence Toulouse Institute, Université de Toulouse（图卢兹大学人工智能与自然智能研究所）；Institut de Recherche Technologique Saint-Exupery（圣埃克苏佩里技术研究所）；Innovation & Research Division, SNCF（法国国家铁路公司创新与研究部）；Scalian（Scalian公司）
归因方法使用热图来识别图像中影响模型决策的最有影响力的区域，作为一种可解释性方法已经得到了广泛的普及。然而，最近的研究暴露了这些方法的有限实用价值，部分原因是它们只关注图像中最突出的区域-揭示模型看起来的“位置”，但未能阐明模型在这些区域看到的“内容”。在这项工作中，我们试图填补这一空白与手工艺-一种新的方法来确定“什么”和“在哪里”，通过生成基于概念的解释。我们介绍了3个新的成分的自动概念提取文献：（i）一个递归的策略，以检测和分解概念跨层，（ii）一种新的方法，更忠实地估计概念的重要性，使用Sobol指数，和（iii）使用隐式微分解锁概念归因图。我们进行人类和计算机视觉实验，以证明所提出的方法的好处。我们表明，所提出的概念重要性估计技术是更忠实的模型比以前的方法。在以人为中心的效用基准上评估该方法对人类实验者的有用性时，我们发现我们的方法在三个测试场景中的两个上显着改进。我们的代码可以在github.com/deel-ai/Craft上免费获得。
2023-03-28 cs.AI cs.CV
CRAFT: Cultural Russian-Oriented Dataset Adaptation for Focused Text-to-Image Generation
Sber AI；Moscow Institute of Physics and Technology (MIPT)（莫斯科物理技术学院）；Information Technologies, Mechanics and Optics University (ITMO University)（圣彼得堡国立信息技术、机械与光学大学）；Artificial Intelligence Research Institute (AIRI)（人工智能研究所）
本文提出CRAFT方法，通过收集和处理基于俄罗斯文化代码的数据集来适配文本到图像模型，并使用Kandinsky 3.1验证其能有效提升模型对俄罗斯文化的认知与生成质量。
2025-05-07 cs.AI cs.CL cs.CV
Physically Realizable Natural-Looking Clothing Textures Evade Person Detectors via 3D Modeling
Tsinghua University（清华大学）；Beijing Institute of Fashion Technology（北京服装学院）；Chinese Institute for Brain Research (CIBR)（中国脑科学研究所）
针对现有对抗衣物视角受限或显眼的问题，提出基于3D建模的对抗性迷彩纹理AdvCaT，利用Voronoi图和Gumbel-softmax优化参数，结合TopoProj和TPS增强，实现多视角下自然外观且高成功率逃避人体检测器。
2024-11-08 cs.AI cs.CR cs.CV
MetaCloak: Preventing Unauthorized Subject-driven Text-to-image Diffusion-based Synthesis via Meta-learning
Lehigh University（利哈伊大学）；Samsung Research America（三星美国研究院）；Huazhong University of Science and Technology（华中科技大学）
提出MetaCloak，通过元学习框架和变换采样过程求解双层投毒问题，生成鲁棒且可迁移的扰动，有效防止未经授权的个性化图像合成并成功欺骗在线训练服务。
2024-04-26 cs.AI cs.CR cs.CV
Algorithmic Guarantees for Inverse Imaging with Untrained Network Priors
New York University（纽约大学）
深度神经网络作为图像先验最近被引入用于去噪、超分辨率和修复等问题，其性能优于手工制作的图像先验，如稀疏性和低秩。与学习生成先验不同，它们不需要在大型数据集上进行任何训练。然而，在使用未经训练的神经网络先验的逆成像问题的范围内，存在很少的理论保证。我们探索新的应用和未经训练的神经网络先验理论。具体而言，我们考虑解决线性逆问题的问题，如压缩传感，以及非线性问题，如压缩相位恢复。我们将图像建模为位于具有固定种子的未经训练的深度生成网络的范围内。我们进一步提出了一个投影梯度下降计划，可用于压缩传感和相位恢复，并提供严格的理论保证其收敛。我们还从理论上和经验上证明，与手工制作的先验相比，使用深度网络先验，可以在相同的图像质量下实现更好的压缩率。
2020-03-27 cs.CV cs.LG stat.ML
AiGen-FoodReview: A Multimodal Dataset of Machine-Generated Restaurant Reviews and Images on Social Media
Nova School of Business and Economics（诺瓦商业与经济学院）
本文构建了包含20,144对真实与机器生成餐厅评论-图像的多模态数据集AiGen-FoodReview，并验证了多模态检测模型FLAVA可达99.80%准确率，同时开源数据集与检测器以支持虚假评论检测研究。
2024-01-16 cs.CL cs.CV cs.LG
