面向监控人脸防伪的数据不确定性分布估计
计算机视觉与模式识别
2023-09-19 v1
摘要
近年来，人脸识别系统日益面临安全威胁，促使人们采用人脸防伪（FAS）来抵御各类攻击，如手机解锁、人脸支付与自助安检。尽管 FAS 在传统场景下已显成效，但在远距离监控场景中保障其安全性仍是一项重大挑战。此类场景常出现低质量人脸图像，需对数据不确定性进行建模以提升极端条件下的稳定性。为此，本文提出分布估计（DisE）方法，通过在训练中建模数据不确定性（包括特征（均值）与不确定性（方差）），将传统 FAS 点估计转换为分布估计。通过调整干净样本与噪声样本的学习强度以兼顾稳定性与准确性，所学不确定性提升了 DisE 的性能。该方法在监控场景下大规模且具有挑战性的 FAS 数据集 SuHiFiMask [1] 上进行了评估。结果表明，DisE 在 ACER 与 AUC 指标上均取得可比性能。
关键词
引用
@article{arxiv.2309.09485,
title = {Distributional Estimation of Data Uncertainty for Surveillance Face Anti-spoofing},
author = {Mouxiao Huang},
journal= {arXiv preprint arXiv:2309.09485},
year = {2023}
}