10:54
官方账号arXiv cs.LG@Peter Lorenz, Anjith George, Marcel Sébastien
推荐理由：这篇论文用32个模型实测告诉你，LoRA不是万能药，人脸防伪跨数据集还是得看预训练底子和数据。
跨数据集泛化
共 1 条相关 AI 资讯
8月11日
10:54
该研究系统评估了32个基础模型在人脸呈现攻击检测（PAD）中的表现，涵盖不同架构和训练流程。零样本提示在所有模型家族和规模下性能接近随机水平。使用少于1%可训练权重的LoRA低秩适配，多数情况下可实现低于2%的集内ACER，但跨数据集ACER显著更高。研究指出LoRA主要优化集内决策边界，预训练表示和适配数据集对跨数据集泛化的影响大于轻量适配策略。