面向图像与视频人脸防伪的域不可知特征学习
计算机视觉与模式识别
2020-04-14 v2
摘要
如今，移动与计算设备数量的日益增长导致对更安全用户认证系统的需求。人脸防伪是针对生物特征用户认证(尤其是人脸识别)防范欺骗攻击的一项举措。最先进的防伪技术利用深度神经网络从训练集图像或视频样本线索中学习判别性特征以检测欺骗攻击。然而，由于该问题的特殊性质(即因不同背景、光照条件、相机分辨率、欺骗材料等因子导致的巨大变异性)，这些技术通常难以泛化至新样本。本文明确应对此问题，提出一个类条件域判别器模块，其与梯度反转层结合，试图生成具判别性同时又对上述变异性因子鲁棒的真实与欺骗特征。大量实验分析显示了所提方法相对于现有基于图像与视频的防伪技术的有效性，无论是在数值提升还是可视化所学特征方面。
引用
@article{arxiv.1912.07124,
title = {Domain Agnostic Feature Learning for Image and Video Based Face Anti-spoofing},
author = {Suman Saha and Wenhao Xu and Menelaos Kanakis and Stamatios Georgoulis and Yuhua Chen and Danda Pani Paudel and Luc Van Gool},
journal= {arXiv preprint arXiv:1912.07124},
year = {2020}
}
备注
CVPR 2020 Biometrics Workshop