CVPR20203篇论文入选，，，，，，人脸防伪检测挑战赛获冠亚军-明略科技

首页明略研究 CVPR20203篇论文入选，，，，，，人脸防伪检测挑战赛获冠亚军

CVPR20203篇论文入选，，，，，，人脸防伪检测挑战赛获冠亚军

2020-04-22

今年，，，，，，人脸防伪、人脸识别依然是全球盘算机视觉顶级聚会CVPR2020（即IEEE国际盘算机视觉与模式识别聚会）的热门主题，，，，，，数篇论文被收录，，，，，，其中，，，，，，明略科技集团明略科学院与中科院自动化研究所、奥卢大学、AIBEE等相助的3篇论文被吸收（两篇为Oral）。。。。。。。。

在CVPR2020 ，，，，，，由中科院自动化研究所模式识别国家重点实验室主理的ChaLearnFace Anti-spoofing Attack Detection Challenge人脸防伪检测挑战赛上，，，，，，由奥卢大学与明略科学院深度学习实验室等组成的团队，，，，，，斩获多模态赛道冠军和单模态赛道亚军。。。。。。。。人脸防伪是、活体检测是人脸识别应用中最主要的一环，，，，，，人脸防伪的要领能够抵御不法分子通过照片、面具等手段对人脸识别系统举行攻击从而牟利，，，，，，是一项很是有落地适用价值的研究领域。。。。。。。。而ChaLearn Face Anti-spoofing Attack Detection Challenge是近年来活体检测、人脸防伪领域最热门的角逐，，，，，，吸引了众多全球着名CV大厂、明星创业公司和顶级院校团队加入。。。。。。。。

此次挑战赛中，，，，，，奥卢大学和明略科学院团队运用的要领，，，，，，主要来自于以下两篇论文的研究效果：

《Searching CentralDifference Convolutional Networks for Face Anti-spoofing(CDCN), CVPR2020》（文章链接：https://arxiv.org/abs/2003.04092）

《Deep Spatial Gradient and Temporal Depth Learning forFace Anti-spoofing(FAS-SGTD), CVPR2020 (Oral)》（文章链接：https://arxiv.org/abs/2003.08061）

人脸防伪（FAS）在人脸识别系统中起着至关主要的作用。。。。。。。。大大都最先进的FAS要领依赖于堆叠卷积和专家设计的网络，，，，，，在形貌详细的纹理信息方面较量弱，，，，，，在情形转变（如差别的光照度）时容易失效，，，，，，并且倾向于使用长序列作为输入来提取动态特征，，，，，，这使得该要领很难安排到需要快速响应的场景中。。。。。。。。

《Searching Central Difference Convolutional Networks forFace Anti-spoofing(CDCN [1]), CVPR2020》论文，，，，，，提出了一种基于中心差分卷积（CDC）的新型帧级FAS要领，，，，，，它能够通过聚合强度和梯度信息来捕获内在的详细模式。。。。。。。。用CDC构建的网络，，，，，，称为中心差分卷积网络（CDCN），，，，，，相较于用通俗卷积构建的网络，，，，，，能够提供更稳健的建模能力。。。。。。。。

别的，，，，，，在一个专门设计的CDC搜索空间上，，，，，，可使用神经结构搜索（NAS）发明更强盛的网络结构（CDCN++），，，，，，该网络结构可与多标准注重力融合�？？？？？椋∕AFM）组装，，，，，，进一步提升性能。。。。。。。。在6个基准数据集上举行了综合实验，，，，，，效果批注：1)所提出的要领不但在数据集内部测试中取得了优异的性能(特殊是在OULU-NPU数据集（Protocol1）实现了0.2%的ACER)，，，，，，2)在跨数据集测试中也有很好的通用性(特殊是从CASIAMFSD到Replay-Attack数据集，，，，，，实现了6.5%的HTER)。。。。。。。。

人脸防伪对人脸识别系统的清静性至关主要。。。。。。。。现在，，，，，，深度监视学习被证实是最有用的要领之一。。。。。。。。虽然取得了重大乐成，，，，，，但以往大大都的研究事情是把问题表述为单帧多使命的问题，，，，，，只是简朴地用深度增强损失，，，，，，而忽略了详细的纹理信息以及面部深度和运动模式之间的相互作用。。。。。。。。

《Deep Spatial Gradient and Temporal Depth Learning for Face Anti-spoofing(FAS-SGTD [2]), CVPR2020 (Oral)》论文，，，，，，提出了一种新的要领来检测来自多帧多使命的攻击，，，，，，该要领基于两点洞察：

1. 通过堆叠的通俗卷积，，，，，，活体人脸和伪造人脸之间详细的判别性线索（例如，，，，，，空间梯度幅度）可能会被扬弃

2. 三维移感人脸的动态提供了检测伪造人脸的主要线索。。。。。。。。该要领能通过残差空间梯度块(RSGB)捕获判别细节，，，，，，并对时空撒播�？？？？？�(STPM)的时空信息举行有用编码。。。。。。。。别的，，，，，，还提出了一种新的比照性深度损失法（ContrastiveDepth Loss），，，，，，以实现更准确的深度监视。。。。。。。。为评估此要领的有用性，，，，，，还网络了双模态防伪数据集(DMAD)，，，，，，提供了每个样本的现实深度。。。。。。。。实验批注，，，，，，所提出的要领在OULU-NPU、SiW、CASIA-MFSD、Replay-Attack和新的DMAD五种基准数据集上取得了目今最佳效果。。。。。。。。

现在，，，，，，明略科学院深度学习实验室的研发效果，，，，，，已在智能餐饮、智能零售、供应链物流、智能营销、智能工业等营业场景现实落地。。。。。。。。

推荐阅读

全球双榜SOTA！明略科技专有大模子 Mano开启GUI智能操作新时代

2025-09-28

明略科技推出的GUI大模子Mano在Mind2Web和OSWorld两大基准测试中取得了创纪录的SOTA效果，，，，，，乐成率抵达40.1%。。。。。。。。通过在线强化学习和自动数据收罗，，，，，，Mano为GUI智能体领域提供了可扩展的新范式，，，，，，显著提升了重大使命的执行能力。。。。。。。。该手艺的突破不但推动了自动化界线的扩展，，，，，，也为企业智能化转型提供了强有力的支持

相识更多

官宣！明略科技推出专有大模子产品线DeepMiner，，，，，，可信商业数据剖析智能体终于能用了！

2025-09-22

明略科技推出专有大模子产品线DeepMiner，，，，，，以“可信智能体+可信数据”双轮驱动，，，，，，解决企业智能体落地中幻觉率高、历程不透明等痛点。。。。。。。。该产品通过多智能体协同架构、企业级数据整合及全流程透明化设计，，，，，，降低幻觉率并支持知识沉淀，，，，，，其自研Mano和Cito模子划分实现精准执行与深度推理，，，，，，助力企业构建可信生产力。。。。。。。。

相识更多

明略科技 Mano Technical Report

2025-09-18

Graphical user interfaces (GUIs) are the primary medium for human-computer interaction, yet automating GUI interactions remains challenging due to the complexity of visual elements, dynamic environments, and the need for multi-step reasoning. Existing methods based on vision-language models (VLMs) often suffer from limited resolution, domain mismatch, and insufficient sequential decisionmaking capability. To address these issues, we propose Mano, a robust GUI agent built upon a multi-modal foundation model pre-trained on extensive web and computer system data. Our approach integrates a novel simulated environment for high-fidelity data generation, a three-stage training pipeline (supervised fine-tuning, offline reinforcement learning, and online reinforcement learning), and a verification module for error recovery. Mano demonstrates state-of-the-art performance on multiple GUI benchmarks, including Mind2Web and OSWorld, achieving significant improvements in success rate and operational accuracy. Our work provides new insights into the effective integration of reinforcement learning with VLMs for practical GUI agent deployment, highlighting the importance of domain-specific data, iterative training, and holistic reward design.

相识更多

上一篇：明略科技荣获“全球三十大最佳AI创业公司”

下一篇：赋能企业数字化转型，，，，，，明智事情让客户旅程可见可测可驱动

返回行业资讯

btt博天堂