自适应 Transformer 用于鲁棒少样本跨域人脸防伪
计算机视觉与模式识别
2023-08-01 v2
摘要
尽管近期的人脸防伪方法在域内设定下表现良好，但有效的方法需考虑复杂场景中由不同传感器采集的图像在外观上的更大差异，以实现鲁棒性能。在本文中，我们提出自适应视觉 Transformer（ViT）用于鲁棒的跨域人脸防伪。具体而言，我们采用 ViT 作为骨干网络，以利用其捕捉像素间长程依赖的能力。我们进一步在 ViT 中引入集成适配器模块与特征级变换层，以少样本适应不同域并实现鲁棒性能。在多个基准数据集上的实验表明，所提模型在使用少量样本进行跨域人脸防伪时，相对于最先进方法取得了鲁棒且具有竞争力的性能。
引用
@article{arxiv.2203.12175,
title = {Adaptive Transformers for Robust Few-shot Cross-domain Face Anti-spoofing},
author = {Hsin-Ping Huang and Deqing Sun and Yaojie Liu and Wen-Sheng Chu and Taihong Xiao and Jinwei Yuan and Hartwig Adam and Ming-Hsuan Yang},
journal= {arXiv preprint arXiv:2203.12175},
year = {2023}
}