面向人脸反欺骗的细粒度标注方法
计算机视觉与模式识别
2023-10-13 v1
摘要
人脸反欺骗在保护人脸识别系统免受呈现攻击方面起着关键作用。尽管现有的深度学习方法展现出有前景的结果，但它们仍受限于细粒度标注的缺乏，这导致模型学习到与任务无关或不忠实的特征。在本文中，我们提出了一种面向人脸反欺骗的细粒度标注方法。具体而言，我们首先利用 Segment Anything Model (SAM)，以人脸关键点作为点提示来获取像素级分割掩码。人脸关键点提供分割语义，将人脸划分为若干区域。我们随后将这些区域作为掩码，并将其组装为三张独立的标注图：欺骗图、活体图与背景图。最后，我们将三张独立地图合并为一张三通道地图，作为模型训练的标注。此外，我们引入了多通道区域交换增强 (MCREA) 以丰富训练数据并降低过拟合。实验结果表明，我们的方法在数据集内与跨数据集评估中均优于现有的最先进方法。
引用
@article{arxiv.2310.08142,
title = {Fine-Grained Annotation for Face Anti-Spoofing},
author = {Xu Chen and Yunde Jia and Yuwei Wu},
journal= {arXiv preprint arXiv:2310.08142},
year = {2023}
}
备注
10 pages, 5 figures