用于人脸活体检测的循环解耦特征翻译
计算机视觉与模式识别
2022-12-08 v1
摘要
当前用于人脸活体检测（face anti-spoofing）的域适应方法利用带标签的源域数据与无标签的目标域数据来获得具有良好泛化能力的决策边界。然而，这些方法通常难以实现完美的域不变活体特征解耦，而光照、人脸类别、 spoof 类型等域差异可能由此降低最终分类性能。本工作中，我们提出一种称为循环解耦特征翻译网络（CDFTN）的新颖域适应方法，以应对跨场景人脸活体检测。具体而言，CDFTN 生成的伪标签样本具备：1）源域不变的活体特征，以及 2）目标域特定的内容特征，二者通过域对抗训练解耦。在源域标签监督下，基于合成的伪标签图像训练了一个鲁棒分类器。我们进一步利用更多无标签目标域数据扩展 CDFTN 以用于多目标域适应。在多个公开数据集上的大量实验表明，我们提出的方法显著优于当前最优（SOTA）。
引用
@article{arxiv.2212.03651,
title = {Cyclically Disentangled Feature Translation for Face Anti-spoofing},
author = {Haixiao Yue and Keyao Wang and Guosheng Zhang and Haocheng Feng and Junyu Han and Errui Ding and Jingdong Wang},
journal= {arXiv preprint arXiv:2212.03651},
year = {2022}
}
备注
Accepted by AAAI2023