基于去噪扩散概率模型的人脸变形攻击检测
计算机视觉与模式识别
2023-06-29 v1
摘要
变形人脸图像近来已成为现有人脸验证系统日益关注的问题，因为它们相对容易生成，并可用于各种恶意目的冒充他人身份。因此，能很好泛化于不同变形技术的有效变形攻击检测（MAD）至关重要。现有 MAD 技术主要依赖从真实与变形图像样本中学习的判别模型，因此在面对未知类型变形攻击时常常表现出次优的泛化性能。为解决此问题，我们在本文中提出一种新颖的、基于扩散的 MAD 方法，该方法仅从真实图像的特征中学习。随后，我们的模型将各种形式的变形攻击检测为分布外样本。我们在四个不同数据集（CASIA-WebFace、FRLL-Morphs、FERET-Morphs 和 FRGC-Morphs）上进行了严格实验，并将所提方案与判别训练及单类 MAD 模型进行比较。实验结果表明，我们的 MAD 模型在所有考虑的数据集上均取得了极具竞争力的结果。
引用
@article{arxiv.2306.15733,
title = {Face Morphing Attack Detection with Denoising Diffusion Probabilistic Models},
author = {Marija Ivanovska and Vitomir Štruc},
journal= {arXiv preprint arXiv:2306.15733},
year = {2023}
}
备注
Published at IWBF 2023