检索结果-南通市图书馆

软件学报 2024年

作者：王益民龙显忠李云熊健南京邮电大学计算机学院软件学院网络空间安全学院

虽然卷积神经网络凭借优异的泛化性能被广泛应用在图像识别领域中,但被噪声污染的对抗样本可以轻松欺骗训练完全的网络模型,带来安全性的隐患.现有的许多防御方法虽然提高了模型的健壮性,但大多数不可避免地牺牲了模型的泛化性.为了缓... 详细信息

虽然卷积神经网络凭借优异的泛化性能被广泛应用在图像识别领域中,但被噪声污染的对抗样本可以轻松欺骗训练完全的网络模型,带来安全性的隐患.现有的许多防御方法虽然提高了模型的健壮性,但大多数不可避免地牺牲了模型的泛化性.为了缓解这一问题,提出了标签筛选权重参数正则化方法,在模型训练过程中利用样本的标签信息权衡模型的泛化性和健壮性.先前的许多健壮模型训练方法存在下面两个问题:1)大多通过增加训练集样本的数量或复杂度来提高模型的健壮性,这不仅弱化了干净样本在模型训练过程中的主导作用,也使得训练任务的工作量大大提高; 2)样本的标签信息除了被用于与模型预测结果对比来控制模型参数的更新方向以外,在模型训练中几乎不被另作使用,这无疑忽视了隐藏于样本标签中的更多信息.所提方法通过样本的正确标签和对抗样本的分类标签筛选出模型在分类该样本时起决定性作用的权重参数,对这些参数进行正则优化,达到模型泛化性和健壮性权衡的效果.在MNIST、CIFAR-10和CIFAR-100数据集上的实验和分析表明,提出的方法能够取得很好的训练效果.

关键词：卷积神经网络对抗学习标签信息正则化

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于区域编码的可驱动头部虚拟化身重建算法

引用

计算机科学 2024年

作者：王杰王创业谢九成高浩南京邮电大学自动化学院人工智能学院

传统的头部化身大多基于 3D可变形模型 (3DMM) 制作，虽然 3DMM能够方便的进行驱动，但无法表达头发等非刚性结构。近期基于神经辐射场的头部化身工作虽然取得了优秀的视觉效果，但是在可驱动性和训练效率上存在不足。为了解决以上的问... 详细信息

传统的头部化身大多基于 3D可变形模型 (3DMM) 制作，虽然 3DMM能够方便的进行驱动，但无法表达头发等非刚性结构。近期基于神经辐射场的头部化身工作虽然取得了优秀的视觉效果，但是在可驱动性和训练效率上存在不足。为了解决以上的问题，以单目视频作为原始数据，一个数量动态增长的点云被用来构建可驱动的头部虚拟化身。点云能够通过光栅化操作快速渲染为图像，大大减少了训练时间。在纹理表示上，颜色被解耦为反照率和阴影，阴影又进一步被分解为法线和通过对点进行稀疏性编码获得的区域特征的组合，这种分解最终得到了更精准的纹理。然而，点云固有的离散性质会导致渲染时出现孔洞。因此，一项法线平滑策略被用来提高纹理的连续性，从而有效的消除了牙齿，舌头等区域上的纹理孔洞。在多个主体上的大量的实验表明，相比于 IMavatar，PointAvatar，NerFace和 StyleAvatar等目前最好的头部化身构建算法，基于点云并结合区域编码和法线平滑策略构建的可驱动头部化身，在 PSNR 指标上平均取得了约3.41% 的提升。消融实验表明，较不使用区域编码和法线平滑策略， PSNR 指标分别提升了约3.50% 和3.44%。

关键词：头部化身三维重建区域编码点云光栅化深度学习

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于区域显著性与空间特征提取的说话人像合成方法

引用

计算机科学 2024年

作者：王邢波张浩高浩翟明亮谢九成南京邮电大学自动化学院人工智能学院

音频驱动的说话人像合成，致力于将任意的输入音频序列转换为逼真的说话人像视频。近期，基于神经辐射场 (NeRF) 的多个说话人像合成工作取得了优秀的视觉效果。但是，此类工作仍普遍存在着语音-嘴唇同步欠佳、躯干抖动和合成视频清晰... 详细信息

音频驱动的说话人像合成，致力于将任意的输入音频序列转换为逼真的说话人像视频。近期，基于神经辐射场 (NeRF) 的多个说话人像合成工作取得了优秀的视觉效果。但是，此类工作仍普遍存在着语音-嘴唇同步欠佳、躯干抖动和合成视频清晰度较低等不足。为了解决上述问题，提出一种基于区域显著特征和空间体积特征的高保真说话人像合成方法。具体而言，一方面，开发了一个区域显著性感知模块用于头部建模。它利用多模态输入信息动态调整头部空间点的体积特征，同时优化基于哈希表的特征存储，从而提高面部细节表征的精确度和渲染效率。另一方面，设计了一个空间特征提取模块用于躯干的独立建模。不同于现有方法普遍采用的直接基于躯干表面空间点坐标估计其颜色和密度的方式，该模块利用参考图像构建躯干场以提供对应的纹理和几何先验，从而实现更清晰的躯干渲染和自然的躯干运动。应用于多个人物主体的实验表明，在自我重建场景中，所提方法相较于当前最优的基线模型，在图像质量上(PSNR， LPIPS， FID， LMD)分别取得了10.15%，12.12%，0.77%和1.09%的提升，在嘴唇同步精度方面(AUE)提高了14.20%。此外，在交叉驱动（使用非训练集音频）的场景下，本算法在嘴唇同步精度(AUE)上提升了4.74%。

关键词：说话人像合成三维重建音视频同步神经辐射场注意力机制

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：