买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉厦门大学申请的专利基于多模态文本增强的跨域人脸防伪造检测方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119441939B 。

龙图腾网通过国家知识产权局官网在2025-12-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411518245.3，技术领域涉及：G06F18/24；该发明授权基于多模态文本增强的跨域人脸防伪造检测方法及装置是由纪荣嵘;蔡侣盼;王昊为;纪家沂;孙晓帅设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本基于多模态文本增强的跨域人脸防伪造检测方法及装置在说明书摘要公布了：本发明公开了一种基于多模态文本增强的跨域人脸防伪造检测方法及装置，涉及网络信息安全技术领域，方法包括：将两类描述文本输入预训练的文本编码器提取代表真实欺骗的文本类别特征，将图像输入预训练的视觉编码器提取视觉特征；在文本编码器的每一层添加可训练的文本提示，在视觉编码器的每一层添加可训练的视觉提示，视觉编码器的每一层视觉提示由当前层的文本提示经过全连接层转换得到；将PFT模块及TIM模块嵌入到文本编码器和视觉编码器每一层的中间层实现特征交互融合，获取文本类别特征与视觉特征之间的余弦相似度及掩膜，进行人脸真假类别。本发明基于PFT模块及TIM模块，使得模态特征交互在特征提取的过程中同时完成，提升了跨域检测性能。

本发明授权基于多模态文本增强的跨域人脸防伪造检测方法及装置在权利要求书中公布了：1.一种基于多模态文本增强的跨域人脸防伪造检测方法，其特征在于，包括： 将包括真实人脸描述文本和伪造人脸描述文本的两类描述文本输入预训练的文本编码器，将图像输入预训练的视觉编码器，在文本编码器和视觉编码器的每一层，分别提取代表真实欺骗的文本类别特征fiT及视觉特征fiI；所述视觉特征包括视觉类别特征fiC和图像块特征；0≤i≤N-1，N表示文本编码器和视觉编码器的层数； 在文本编码器的每一层添加可训练的文本提示在视觉编码器的每一层添加可训练的视觉提示视觉编码器的每一层视觉提示由当前层的文本提示经过全连接层转换得到； 将文本提示与文本类别特征进行拼接，视觉提示与视觉特征进行拼接，并在对应的编码器层中进行前向传播；前向传播过程中，将提示融合传递模块及文本引导的图像掩码模块嵌入到文本编码器和视觉编码器每一层的中间层实现特征交互融合，获取文本类别特征与视觉特征之间的余弦相似度及掩膜，基于余弦相似度和掩膜，进行人脸真假类别判别； 其中，第i层的提示融合传递模块中，将文本提示转换成文本提示特征，将视觉提示转换成视觉提示特征，当前层的文本提示特征经过多头的交叉注意力机制融合当前层的视觉提示特征获得多模态指导的文本提示特征，并将多模态指导的文本提示特征与对应层的文本类别特征结合共同作为文本编码器的下一层的输入； 第i层文本引导的图像掩码模块中，利用视觉类别特征计算当前相似文本类别标签，使用当前相似文本标签对当前视觉编码器层输出的图像块特征进行相似度掩码获得文本引导掩码；引入图像块随机掩码，与文本引导掩码取交，获得最终掩码； 文本引导的图像掩码模块中，用视觉类别特征计算当前相似文本类别标签，表示如下： 其中，θ表示基于余弦相似度确定的标签，θ∈{spoof,real}，spoof表示真实标签，real表示伪造标签；fiθ∈{fireal,fispoof}表示当前所有真实与伪造判别特征向量的集合中的元素； 所述相似文本标签对当前视觉编码器层输出的图像块特征进行相似度掩码获得文本引导掩码；引入图像块随机掩码，与文本引导掩码取交，获得最终掩码，包括： 通过矩阵乘法计算所选文本特征fiθ与所有视觉标记fiI之间的注意力图，表示如下： si＝softmaxfiθ×fiI 其中，表示相对分数；表示图像所切分出的图像标记块长度；softmax表示对文本特征引导的图像块分数进行指数归一化以形成概率分布；fiθ表示当前所有真实与伪造判别特征向量的集合中的元素； 文本引导掩码表示如下： 其中，sij表示si中的第j个分数，τ是在分数按降序排序之后获得的固定比例的阈值分数； 生成与文本引导掩码相同比例的随机掩码将文本引导掩码和随机掩码的交集作为最终掩码，表示如下：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人厦门大学，其通讯地址为：361000 福建省厦门市思明南路422号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。