面向广义人脸防伪的相机不变特征学习
计算机视觉与模式识别
2021-01-26 v1 人工智能
摘要
在基于学习的人脸防伪中，日益形成共识：相机模型间的差异在实际应用场景中造成了巨大的域间隙。我们描述了一个在特征层面消除采集相机固有方差影响的框架，从而得到对不同的采集设备具有高度自适应的广义人脸欺骗检测模型。具体而言，该框架由两分支组成。第一分支旨在通过高频域的特征层分解学习相机不变的欺骗特征。鉴于欺骗特征不仅存在于高频域，第二分支中通过基于高频与低频信息重组的增强图像进一步提升了所提取欺骗特征的判别能力。最后，两分支的分类结果通过加权策略融合。实验表明，所提方法在数据集内与跨数据集设定下均能取得更优性能，展现了在各种应用场景中的高泛化能力。
引用
@article{arxiv.2101.10075,
title = {Camera Invariant Feature Learning for Generalized Face Anti-spoofing},
author = {Baoliang Chen and Wenhan Yang and Haoliang Li and Shiqi Wang and Sam Kwong},
journal= {arXiv preprint arXiv:2101.10075},
year = {2021}
}