CIT-GAN：循环图像翻译生成对抗网络及其在虹膜呈现攻击检测中的应用
计算机视觉与模式识别
2020-12-07 v1
摘要
在这项工作中，我们提出一种新颖的循环图像翻译生成对抗网络（CIT-GAN）用于多域风格迁移。为此，我们引入了一个风格网络，该网络能够学习训练数据集中表示的每个域的风格特征。风格网络帮助生成器将图像从源域翻译到参考域，并生成具有参考域风格特征的合成图像。每个域学到的风格特征依赖于风格损失和域分类损失。这导致了每个域内风格特征的变异性。所提出的CIT-GAN用于虹膜呈现攻击检测（PAD）中，为训练集中代表性不足的类生成合成呈现攻击（PA）样本。使用当前最先进的虹膜PAD方法的评估证明了使用此类合成生成的PA样本训练PAD方法的有效性。此外，使用Frechet Inception Distance（FID）分数评估了合成生成样本的质量。结果表明，所提方法生成的合成图像质量优于其他竞争方法，包括StarGan。
引用
@article{arxiv.2012.02374,
title = {CIT-GAN: Cyclic Image Translation Generative Adversarial Network With Application in Iris Presentation Attack Detection},
author = {Shivangi Yadav and Arun Ross},
journal= {arXiv preprint arXiv:2012.02374},
year = {2020}
}
备注
10 pages (8 pages + 2 reference pages) and 10 figures