基于多任务学习与单边元三元组损失的泛化人脸活体检测
计算机视觉与模式识别
2022-11-30 v1
摘要
随着人脸呈现攻击的日益多样化，模型泛化成为实用人脸活体检测系统的一项关键挑战。本文提出一种泛化人脸活体检测框架，包含三项任务：深度估计、人脸解析以及活体/ spoof 分类。借助来自人脸解析与深度估计任务的像素级监督，正则化特征能更好地区分欺骗人脸。在利用元学习技术模拟域偏移的同时，所提出的单边三元组损失可大幅提升泛化能力。在四个公开数据集上的大量实验表明，相较于以往工作，所提框架与训练策略在模型向未知域的泛化上更为有效。
引用
@article{arxiv.2211.15955,
title = {Generalized Face Anti-Spoofing via Multi-Task Learning and One-Side Meta Triplet Loss},
author = {Chu-Chun Chuang and Chien-Yi Wang and Shang-Hong Lai},
journal= {arXiv preprint arXiv:2211.15955},
year = {2022}
}
备注
2023 IEEE International Conference on Automatic Face and Gesture Recognition (FG)