GRU-AUNet：用于无接触指纹演示攻击检测的域适应框架
计算机视觉与模式识别
2025-04-03 v1
摘要
虽然无接触指纹提供了用户舒适性，但更容易受到欺骗攻击。当前的防欺骗方案依赖于域适应学习，限制了其泛化性和可扩展性。为解决这些限制，我们引入 GRU-AUNet，一种集成基于 Swin Transformer 的 UNet 架构、GRU 增强注意力机制、瓶颈中的动态滤波网络以及组合 Focal 和对比损失函数的域适应方法。在真实与伪造指纹图像上训练的 GRU-AUNet 对演示攻击表现出鲁健韧性，在 CLARKSON、COLFISPOOF 和 IIITD 数据集上实现平均 BPCER 为 0.09%，APCER 为 1.2%，优于最先进的域适应方法。
引用
@article{arxiv.2504.01213,
title = {GRU-AUNet: A Domain Adaptation Framework for Contactless Fingerprint Presentation Attack Detection},
author = {Banafsheh Adami and Nima Karimian},
journal= {arXiv preprint arXiv:2504.01213},
year = {2025}
}