利用图像分解改进人脸呈现攻击检测
计算机视觉与模式识别
2022-12-02 v2
摘要
呈现攻击检测 (PAD) 是安全人脸认证中的关键组成部分。我们提出一种 PAD 算法，用于区分由受试者照片生成的伪造人脸与活体图像。我们的方法使用图像分解网络提取反照率 (albedo) 与法线 (normal)。真实与伪造人脸图像之间的域差距导致了易于辨识的差异，尤其在恢复出的反照率图之间。我们通过使用监督对比损失 (supervised contrastive loss) 重新训练现有方法来增强这一域差距。我们给出了经验与理论分析，表明对比度与光照效应可在 PAD 中发挥重要作用；这些尤其体现在恢复出的反照率中。最后，我们证明通过结合所有这些方法，我们在 CelebA-Spoof、OULU、CASIA-SURF 数据集的域内测试以及 SiW、CASIA-MFSD、Replay-Attack 和 MSU-MFSD 数据集的跨域设定上均取得了 SOTA 结果。
引用
@article{arxiv.2103.12201,
title = {Improved Detection of Face Presentation Attacks Using Image Decomposition},
author = {Shlok Kumar Mishra and Kuntal Sengupta and Max Horowitz-Gelb and Wen-Sheng Chu and Sofien Bouaziz and David Jacobs},
journal= {arXiv preprint arXiv:2103.12201},
year = {2022}
}
备注
Conference - IJCB