基于多域解耦表示学习的跨域人脸呈现攻击检测
计算机视觉与模式识别
2020-04-07 v1
摘要
人脸呈现攻击检测(PAD)已成为人脸识别系统中亟待解决的问题。传统方法通常假设测试与训练处于同一域;因此,它们可能无法很好地泛化到未见场景,因为为PAD学习的表示可能过拟合于训练集中的主体。有鉴于此,我们提出了一种高效的用于跨域人脸PAD的解耦表示学习。我们的方法由解耦表示学习(DR-Net)和多域学习(MD-Net)组成。DR-Net通过生成模型学习一对编码器,能够将PAD信息性特征与主体判别性特征解耦。来自不同域的解耦特征被输入MD-Net,后者为最终的跨域人脸PAD任务学习域无关特征。在多个公开数据集上的大量实验验证了所提方法在跨域PAD上的有效性。
引用
@article{arxiv.2004.01959,
title = {Cross-domain Face Presentation Attack Detection via Multi-domain Disentangled Representation Learning},
author = {Guoqing Wang and Hu Han and Shiguang Shan and Xilin Chen},
journal= {arXiv preprint arXiv:2004.01959},
year = {2020}
}
备注
Accepted by CVPR2020