摘要—本文聚焦于可见光-热红外跨模态行人重识别(VT Re-ID)任务，其目标是在白天的可见光模态与夜间的热红外模态之间进行行人图像匹配。为应对跨模态差异这一VT Re-ID最具挑战性的问题，现有研究通常采用双流网络通过学习多模态行人特征来解决。本文深入探讨了双流网络应共享多少参数这一尚未被现有文献充分研究的问题。通过拆分ResNet50模型构建模态特定特征提取网络和模态共享特征嵌入网络，我们通过实验验证了双流网络参数共享对VT Re-ID的影响。此外，在局部行人特征学习框架下，我们提出异质中心三元组损失，通过用锚点中心与其他所有中心的比较替代锚点与其他所有样本的严格对比，从而放宽传统三元组损失的约束条件。

语音去混响是许多语音技术应用中的重要环节。近年来，该领域的研究主要由深度神经网络模型主导。时序卷积网络（TCN）是一种深度学习模型，被提出用于语音去混响任务中的序列建模。本研究提出了一种加权多膨胀深度可分离卷积，用于替代TCN模型中的标准深度可分离卷积。这种改进的卷积使TCN能够在网络的每个卷积块中动态调整其感受野内局部信息的关注程度。实验表明，加权多膨胀时序卷积网络（WD-TCN）在各种模型配置下均优于传统TCN，且相比增加卷积块数量，采用WD-TCN模型是更高效的参数利用方式。相较于基线TCN模型，最大性能提升达到0.55 dB尺度不变信噪比（SISDR），最优WD-TCN模型在WHAMR数据集上实现了12.26 dB的SISDR。

摘要。深度伪造(Deepfakes)是通过数字处理技术生成逼真虚假图像的结果。随着深度生成模型的惊人进步，如今可以使用变分自编码器(VAEs)或生成对抗网络(GANs)来获取伪造图像或视频。这些技术正变得越来越易用且精确，导致生成的伪造视频极难被检测。传统上，卷积神经网络(CNNs)被用于视频深度伪造检测，其中基于EfficientNet B7的方法取得了最佳效果。本研究聚焦于人脸视频深度伪造检测，鉴于大多数方法在生成逼真人脸方面已变得极为精确。具体而言，我们将多种视觉Transformer与作为特征提取器的卷积EfficientNet B0相结合，获得了与近期使用视觉Transformer方法相当的结果。与现有技术方法不同，我们既未使用蒸馏也未采用集成方法。此外，我们提出了一种基于简单投票方案的直接推理流程，用于处理同一视频镜头中的多张人脸。最佳模型取得了0.951的AUC值和88.0%的F1分数，非常接近深度伪造检测挑战赛(DFDC)的最先进水平。重现我们结果的代码已公开在此处：https://github.com/davide-coccomini/

由于各种姿势，照明条件和遮挡情况，在无约束环境下的人脸检测与人脸对齐仍十分具有挑战性。 最近的研究表明，深度学习方法可以在这两项任务上取得令人瞩目的表现。在本文中，我们提出了一个深度级联的多任务网络，利用检测和对齐之间的内在联系来提高他们的性能。