细察几何时间动态在人脸活体检测中的作用
计算机视觉与模式识别
2023-06-27 v1 机器学习
摘要
人脸活体检测（FAS）是人脸识别系统不可或缺的组成部分。许多纹理驱动的对抗呈现攻击（PAs）的对策已被开发，但针对未知域或未知 spoofing 类型的性能仍不尽如人意。我们未穷举收集所有 spoofing 变体并做活体/ spoof 的二分类决策，而是从新视角看待 FAS 任务：区分活体与 spoof 呈现中的正常与异常运动。我们提出几何感知交互网络（GAIN），其利用密集人脸关键点与时空图卷积网络（ST-GCN）建立更具可解释性与模块化的 FAS 模型。此外，借助我们的交叉注意力特征交互机制，GAIN 可轻松集成其他现有方法以显著提升性能。我们的方法在标准域内与跨数据集评测中均达到最先进（SOTA）性能。而且，在 CASIA-SURF 3DMask 的跨数据集跨类型协议上，我们的模型以大幅优势超越 SOTA 方法（AUC 分数高出 +10.26%），展现出对域偏移与未知 spoofing 类型的强鲁棒性。
引用
@article{arxiv.2306.14313,
title = {A Closer Look at Geometric Temporal Dynamics for Face Anti-Spoofing},
author = {Chih-Jung Chang and Yaw-Chern Lee and Shih-Hsuan Yao and Min-Hung Chen and Chien-Yi Wang and Shang-Hong Lai and Trista Pei-Chun Chen},
journal= {arXiv preprint arXiv:2306.14313},
year = {2023}
}
备注
2023 CVPR Biometrics Workshop, Best Paper Award