探索 ChatGPT 在面部防护攻击检测中的零样和少样情境学习
计算机视觉与模式识别
2025-01-16 v1 密码学与安全
摘要
本研究强调了 ChatGPT（ Specifically GPT-4o ）在面部防护攻击检测 (PAD) 中作为竞争性替代方案的潜力， 在特定场景中超越了几项 PAD 模型，包括商业解决方案。我们的结果表明，GPT-4o 在少样情境学习中表现出高一致性，其中性能随提供的示例数量（参考数据）的增加而提高。我们还观察到，详细的提示能够使模型可靠地提供评分，而简洁的提示则不显示此类行为。此外，求解释提示略微提高了模型的性能，通过提高其可解释性。值得注意的是，模型展现出涌现推理能力，尽管没有明确指示对攻击类型（打印或重放）进行分类，却在少样场景中以高准确率正确预测攻击类型。尽管存在上述优势，GPT-4o 在零样任务中面临挑战，其中性能在 specialized PAD 系统中受到限制。实验在 SOTERIA 数据集的子集上进行，确保仅使用来自同意个体的数据，以遵守数据隐私法规。这些发现凸显了 GPT-4o 在 PAD 应用中的潜力，为未来研究奠定了基础，以解决更广泛的数据隐私问题并提高跨数据集的泛化能力。代码可在此处获取：https://gitlab.idiap.ch/bob/bob.paper.wacv2025_chatgpt_face_pad
引用
@article{arxiv.2501.08799,
title = {Exploring ChatGPT for Face Presentation Attack Detection in Zero and Few-Shot in-Context Learning},
author = {Alain Komaty and Hatef Otroshi Shahreza and Anjith George and Sebastien Marcel},
journal= {arXiv preprint arXiv:2501.08799},
year = {2025}
}
备注
Accepted in WACV workshop 2025