Hyp-OC：用于人脸反欺骗的双曲单类分类
计算机视觉与模式识别
2024-04-23 v1
摘要
人脸识别技术已成为现代安全系统和用户认证的组成部分。然而，这些系统容易受到欺骗攻击。大多数先前研究将人脸反欺骗（FAS）视为二分类任务，其中模型在真实样本和已知欺骗攻击上训练，并在未知欺骗攻击上测试检测性能。然而，在实践中，FAS应被视为单类分类任务，因为训练时无法预先假设任何关于欺骗样本的知识。本文从单类视角重新表述人脸反欺骗任务，并提出新颖的双曲单类分类框架。为了训练网络，我们使用高斯分布采样的伪负类，并采用加权运行均值，提出两个新颖损失函数：(1) Hyp-PC：双曲成对混淆损失，和(2) Hyp-CE：双曲交叉熵损失，它们在双曲空间中操作。此外，我们使用欧几里得特征裁剪和梯度裁剪来稳定双曲空间中的训练。据我们所知，这是首次将双曲嵌入以单类方式用于人脸反欺骗的工作。在五个基准数据集：Rose-Youtu、MSU-MFSD、CASIA-MFSD、Idiap Replay-Attack和OULU-NPU上的大量实验表明，我们的方法显著优于现有技术，实现了更好的欺骗检测性能。
引用
@article{arxiv.2404.14406,
title = {Hyp-OC: Hyperbolic One Class Classification for Face Anti-Spoofing},
author = {Kartik Narayan and Vishal M. Patel},
journal= {arXiv preprint arXiv:2404.14406},
year = {2024}
}
备注
Accepted in FG2024, Project Page - https://kartik-3004.github.io/hyp-oc/