EnfoMax：用于域泛化人脸反欺骗的域熵与互信息最大化
计算机视觉与模式识别
2023-06-06 v2
摘要
人脸反欺骗（FAS）方法在域内设置下表现良好，但其跨域性能不尽如人意。因此，域泛化（DG）方法在FAS中受到更多关注。现有方法将FAS视为简单的二分类任务，并提出启发式训练目标以学习域不变特征。然而，对于什么是域不变特征缺乏理论解释。此外，理论支持的缺失使得对抗训练等域泛化技术缺乏训练稳定性。为解决这些问题，本文提出EnfoMax框架，利用信息论分析跨域FAS任务。该框架为域泛化FAS任务提供了理论保证和优化目标。EnfoMax在不使用对抗学习的情况下，最大化源域中活体样本的域熵和互信息。实验结果表明，我们的方法在多个公开数据集上表现良好，并优于最先进的方法。
引用
@article{arxiv.2302.08674,
title = {EnfoMax: Domain Entropy and Mutual Information Maximization for Domain Generalized Face Anti-spoofing},
author = {Tianyi Zheng},
journal= {arXiv preprint arXiv:2302.08674},
year = {2023}
}