用于可靠人脸防伪的特征生成与假设验证
计算机视觉与模式识别
2022-01-03 v1 密码学与安全
摘要
尽管现有人脸防伪（FAS）方法在域内实验中取得了高准确率，但由于泛化能力差，其在跨域场景下的效果严重下降。近来，人们探索了多种技术，如域泛化和表示解耦。然而，改进仍受两个问题的限制：1）难以将所有人脸完美映射到共享特征空间。若来自未知域的人脸未被映射到共享特征空间中的已知区域，则会得到偶然的不准确预测。2）难以完全考虑各种伪造痕迹以进行解耦。本文中，我们提出一种特征生成与假设验证框架以缓解这两个问题。首先，在 FAS 任务中首次引入了生成真实人脸与已知攻击假设的特征生成网络。随后，应用两个假设验证模块分别判断输入人脸是否来自真实人脸空间与真实人脸分布。此外，给出了我们的框架与贝叶斯不确定性估计之间关系的若干分析，为未知域中的可靠防御提供了理论支撑。实验结果表明，我们的框架取得了有前景的结果，并在多个公开数据集上优于最先进的（SOTA）方法。
引用
@article{arxiv.2112.14894,
title = {Feature Generation and Hypothesis Verification for Reliable Face Anti-Spoofing},
author = {Shice Liu and Shitao Lu and Hongyi Xu and Jing Yang and Shouhong Ding and Lizhuang Ma},
journal= {arXiv preprint arXiv:2112.14894},
year = {2022}
}
备注
Accepted by AAAI 2022