Epi-Curriculum：用于低资源领域自适应的情景课程学习 研究背景与问题陈述 近年来，神经机器翻译 (Neural Machine Translation, NMT) 成为自然语言处理技术领域的标杆。然而，尽管神经机器翻译在处理大规模并行语料库任务上的表现已接近人类翻译水平，但其在低资源和新领域的表现仍然不尽如人意。这种不足主要体现在两个方面：模型对领域切换的鲁棒性差以及在目标领域小数据集条件下的适应能力较低。现有研究往往仅解决其中一个问题，比如增强领域切换的鲁棒性或提升对于新领域的适应能力，却缺乏一种能够同时解决这两个关键问题的统一解决方案。 在分析这些问题的背景下，来自University of South Florida的Keyu Chen等学者与Snap Inc.的Di Zh...

深度神经网络生成内容的隐形、稳健保护方法 学术背景 近年来，随着深度学习模型在工程应用中的革命性发展和广泛应用，涌现出诸如ChatGPT和DALL⋅E 2等现象级应用，这些应用对人们的日常生活产生了深远的影响。同时，人们可以利用开源的深度学习技术创建各种内容，例如图像风格迁移和图像卡通化，这些技术被称为AI生成内容（AIGC）。在这样的背景下，基于AIGC的商业应用，如美图、Prisma和Adobe Lightroom等，其版权保护变得急迫且不可避免。然而，由于许多AIGC相关技术是开源的，使得技术娴熟的个人也能够创建类似的应用。因此，当版权纠纷出现时，对于商业公司及其产品来说，是一个巨大的挑战。 当前，一些常见的版权保护方法包括但不限于注册版权、声明版权、加密版权保护等。这些方法对于实体产...

DVMark：基于多尺度深度学习的视频水印框架 视频水印技术通过在覆盖视频中嵌入信息来实现数据隐藏。本文提出的DVMark模型是一种基于深度学习的多尺度视频水印解决方案，具有较高的鲁棒性和实用性，能够在保证视频质量的前提下，抵抗各种可能的失真和攻击。 背景与动机 视频水印技术涉及在覆盖视频中嵌入消息，可以是可见的也可以是不可见的。不可见水印因其不会干扰原始内容且难以被攻击者检测到而具有优势。水印可以应用于多种场景，如包含视频创建元数据、时间戳以及创作者信息等。此外，水印也广泛用于信息监控和追踪，这是因为水印即便在视频传播过程中遭受一定程度的失真和修改后仍然可以恢复。 目前，评估视频水印系统的主要因素包括不可见性（质量）、鲁棒性和有效载荷（消息比特数量）。传统的水印方法多依赖于手工设计特征，通...