面向开放集鸟虎镜防伪的视觉基础模型系统性失效分析
计算机视觉与模式识别
2026-05-20 v1
摘要
视觉基础模型在多样化的视觉识别任务中展现出强大的可迁移性, 越来越被视为生物识别应用的热门选择。然而, 其在现实开放集条件下适用于鸟虎镜防伪检测(尤其是针对非近视图像)的前景仍不够被充分考察。本文针对开放集鸟虎镜防伪场景, 对通用视觉基础模型进行系统性失效分析, 采用近似眼部区域图像。评估了三种开放集协议, 这些协议明确区分了不同来源的分布迁移: 未见的防伪仪器(PAI)、使用不同传感器捕获的未见数据集, 以及从近红外(NIR)向可见光(VIS)光谱的跨光谱迁移。在统一的实验框架下, 评估了冻结特征表示以及基于低秩适应(LoRA)的参数高效任务适应。结果表明, 基础模型可在相似感知特性的数据集之间进行迁移, 但对未见防伪仪器和跨光谱评估时难以可靠泛化, 性能急剧下降。虽然LoRA在某些跨数据集设置下改善了性能, 但经常在防伪级别和光谱迁移时放大失效。额外的验证实验使用分段鸟虎镜输入、完整背部微调、联合跨数据集和跨PAI迁移、以及从VIS到NIR的逆向迁移, 进一步确认这些失效并非仅源于近似眼部输入、弱适应或单向光谱评估。这些发现表明, 强大的封闭集或跨数据集性能不应被视为鲁棒开放集安全性的证据, 并突显了在现实部署变异下保持对防伪痕迹敏感性的同时维持稳定性的防伪表示的必要性。
引用
@article{arxiv.2605.19020,
title = {A Systematic Failure Analysis of Vision Foundation Models for Open Set Iris Presentation Attack Detection},
author = {Rahul Anand and Siddharth Singh and Dileep A D and Mahadeva Prasanna and Raghavendra Ramachandra},
journal= {arXiv preprint arXiv:2605.19020},
year = {2026}
}