FoundPAD：面向人脸防伪检测的基础模型重构
计算机视觉与模式识别
2025-01-07 v1
摘要
尽管近年来人脸识别系统取得了显著的性能提升，但仍面临presentation attack等威胁，导致需要通用且可泛化的presentation attack检测（PAD）算法。当前PAD解决方案存在两个主要问题：对未知情境的泛化性低以及对大量训练数据的依赖。基础模型（FM）在大规模数据集上预训练，能够在未见领域实现卓越的泛化效果，并在数据有限的情况下实现高效的任务特定适配。在本工作中，我们首次针对PAD任务开发适用于PAD的FM。该FM通过同时采用LoRA权重和分类头进行适配。所构建的FoundPAD架构对未见领域具有高度的泛化能力，在不同数据可用性情景下均能取得具竞争力的成绩，甚至在使用合成训练数据时也表现出色。为鼓励可重复性并促进PAD领域的进一步研究，我们公开了FoundPAD的实现代码，地址为https://github.com/gurayozgur/FoundPAD。
引用
@article{arxiv.2501.02892,
title = {FoundPAD: Foundation Models Reloaded for Face Presentation Attack Detection},
author = {Guray Ozgur and Eduarda Caldeira and Tahar Chettaoui and Fadi Boutros and Raghavendra Ramachandra and Naser Damer},
journal= {arXiv preprint arXiv:2501.02892},
year = {2025}
}
备注
Accepted at WACV 2025 workshops