面向人脸反欺骗的少样本域扩展
计算机视觉与模式识别
2021-06-29 v1
摘要
人脸反欺骗(FAS)是人脸识别系统中不可或缺且被广泛使用的模块。尽管已取得较高准确率,但由于实际应用环境非平稳以及可能出现新型呈现攻击,FAS系统永远无法做到完美。在实践中,给定来自新部署场景(目标域)的少量标注样本以及现有源域中丰富的标注人脸图像,期望FAS系统能在新场景中表现良好,同时不牺牲在原始域上的性能。为此,我们识别并解决了一个更具实际意义的问题:面向人脸反欺骗的少样本域扩展(FSDE-FAS)。该问题具有挑战性,因为目标域训练样本不足时,模型可能既过拟合目标域,又对源域发生灾难性遗忘。为解决该问题,本文提出一种基于风格迁移的语义对齐增强(SASA)框架。我们提出通过基于真实感风格迁移生成辅助样本来增强目标数据。在增强数据辅助下,进一步提出一种精心设计的机制,从实例级和分布级对齐不同域,并通过少遗忘约束稳定源域性能。本文提出两个基准来模拟FSDE-FAS场景,实验结果表明所提SASA方法优于当前最先进(state-of-the-art)方法。
引用
@article{arxiv.2106.14162,
title = {Few-Shot Domain Expansion for Face Anti-Spoofing},
author = {Bowen Yang and Jing Zhang and Zhenfei Yin and Jing Shao},
journal= {arXiv preprint arXiv:2106.14162},
year = {2021}
}
备注
10 pages, 5 figures