基于特征正交分解和分组尺度缩放的面部防欺骗领域无关特征提取
计算机视觉与模式识别
2025-07-08 v1
摘要
领域通用面部防欺骗（DGFAS）方法通过跨域对齐局部决策边界的权重方向来有效捕获域无关特征。然而，这些边界相关的偏置项仍未对齐，导致分类阈值不一致，并在未见的目标域上造成性能下降。为解决此问题，我们提出了一种新型DGFAS框架，通过特征正交分解（FOD）和分组尺度风险最小化（GS-RM）联合对齐权重和偏置。具体而言，GS-RM通过在多个域之间平衡分组损失来实现偏置对齐。FOD采用Gram-Schmidt正交化过程将特征空间显式分解为域无关子空间和域特定子空间。通过对域特定特征和域无关特征强制正交（使用域标签），FOD确保在不影响偏置对齐的情况下实现权重的有效跨域对齐。此外，我们引入了期望校准误差（ECE）作为一种新型评估指标，用于定量评估该方法在跨域对齐偏置项方面的效果。大量实验表明，我们的方法在基准数据集上实现了最先进的性能，持续提高准确率、降低偏置对齐不一致性，并在未见目标域上增强泛化稳定性。
关键词
引用
@article{arxiv.2507.04006,
title = {Group-wise Scaling and Orthogonal Decomposition for Domain-Invariant Feature Extraction in Face Anti-Spoofing},
author = {Seungjin Jung and Kanghee Lee and Yonghyun Jeong and Haeun Noh and Jungmin Lee and Jongwon Choi},
journal= {arXiv preprint arXiv:2507.04006},
year = {2025}
}
备注
Published at ICCV 2025. code is will be available at https://github.com/SeungjinJung/GD-FAS