IFAST：基于单帧双目近红外图像的弱监督可解释人脸活体检测
计算机视觉与模式识别
2023-10-02 v1
摘要
单帧人脸活体检测（FAS）是保障人脸识别系统安全的关键技术，其仅需静态图像作为输入。然而，由于两个主要原因，单帧 FAS 仍是一个具有挑战性且未被充分探索的问题：1）在数据方面，从 RGB 图像学习 FAS 很大程度上依赖于上下文，而无额外标注的单帧图像包含的语义信息有限。2）在模型方面，现有单帧 FAS 模型难以为其决策提供恰当证据，且基于深度估计的 FAS 方法需要昂贵的逐像素标注。为解决这些问题，我们构建并发布了一个大型双目近红外图像数据集（BNI-FAS），其包含超过 300,000 张真实人脸与平面攻击图像，并提出了一种可解释 FAS Transformer（IFAST），其仅需弱监督即可产生可解释的预测。我们的 IFAST 可通过所提出的带动态匹配注意力（DMA）块的视差估计 Transformer 生成逐像素视差图。此外，采用精心设计的置信度图生成器与所提出的双教师蒸馏模块协作以获得最终判别结果。综合实验表明，我们的 IFAST 在 BNI-FAS 上取得了最先进（SOTA）结果，证明了基于双目近红外图像的单帧 FAS 的有效性。
引用
@article{arxiv.2309.17399,
title = {IFAST: Weakly Supervised Interpretable Face Anti-spoofing from Single-shot Binocular NIR Images},
author = {Jiancheng Huang and Donghao Zhou and Shifeng Chen},
journal= {arXiv preprint arXiv:2309.17399},
year = {2023}
}