图像生成

ExposeAnyone: Personalized Audio-to-Expression Diffusion Models Are Robust Zero-Shot Face Forgery Detectors

ExposeAnyone: 基于音频到表情扩散模型的个性化人脸伪造检测器

Kaede Shiohara, Toshihiko Yamasaki, Vladislav Golyanik

机构 * The University of Tokyo（东京大学） ； Max Planck Institute for Informatics, SIC（信息研究所马克斯·普朗克研究院） 纠错

专题命中 个性化与一致性 ：diffusion(title,abstract)；分类 cs.CV

AI总结 ExposeAnyone通过基于音频生成表情的自监督扩散模型，实现个性化人脸伪造检测，优于现有方法并具备鲁棒性。

Comments 17 pages, 8 figures, 11 tables; project page: https://mapooon.github.io/ExposeAnyonePage/

Can Generative Models Actually Forge Realistic Identity Documents?

生成模型真的能伪造逼真的身份文件吗？

Alexander Vinogradov

专题命中 个性化与一致性 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 本文研究了生成模型伪造身份文件的能力，发现其在结构真实性上不足，强调跨领域合作的重要性。

Comments 11 pages, 16 figures

Slot-ID: Identity-Preserving Video Generation from Reference Videos via Slot-Based Temporal Identity Encoding

Slot-ID: 通过基于槽的时序身份编码从参考视频中生成身份保持的视频

Yixuan Lai, He Wang, Kun Zhou, Tianjia Shao

机构 * State Key Lab of CAD&CG（计算机辅助设计与图形学国家重点实验室） ； University College London（伦敦大学学院） ； Zhejiang University（浙江大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 Slot-ID通过基于槽的时序身份编码从参考视频生成身份保持的视频，提升大姿态变化下的身份保留和视觉真实性。