基于补丁的多任务学习与人工物案转换的通用面部防欺骗
计算机视觉与模式识别
2026-04-13 v1
摘要
面部防欺骗（Face Anti-Spoofing, FAS）算法旨在保护面部识别系统免受欺骗攻击，但由于数据集多样性有限，难以应对未见的视觉领域和欺骗方法。我们引入模式转换生成对抗网络（Pattern Conversion Generative Adversarial Network, PCGAN）以提升FAS的领域泛化能力。PCGAN通过分离欺骗人工物案和面部特征的潜向量，有效生成多样化的人工物案。我们进一步采用补丁式学习和多任务学习，解决部分攻击及对面部特征的过拟合问题。实验表明，PCGAN在领域泛化和检测部分攻击方面显著有效，显著提升了面部识别的安全性。
关键词
引用
@article{arxiv.2604.09018,
title = {Domain-generalizable Face Anti-Spoofing with Patch-based Multi-tasking and Artifact Pattern Conversion},
author = {Seungjin Jung and Yonghyun Jeong and Minha Kim and Jimin Min and Youngjoon Yoo and Jongwon Choi},
journal= {arXiv preprint arXiv:2604.09018},
year = {2026}
}
备注
The published version is available at DOI: https://doi.org/10.1016/j.patcog.2026.113640