学习用于人脸反欺骗的深度模型：二分类监督还是辅助监督
计算机视觉与模式识别
2018-03-30 v1
摘要
人脸反欺骗是防止人脸识别系统遭受安全破坏的关键步骤。以往的深度学习方法将人脸反欺骗构建为二分类问题。其中许多方法难以捕捉充足的欺骗线索且泛化能力差。在本文中，我们论证了辅助监督对于引导模型学习具有判别性和可泛化线索的重要性。我们学习了一个 CNN-RNN 模型，通过像素级监督来估计人脸深度，并通过序列级监督来估计 rPPG 信号。然后我们融合估计的深度和 rPPG 来区分真实与欺骗人脸。此外，我们引入了一个新的人脸反欺骗数据库，涵盖了广泛的照明、受试者和姿态变化。实验结果表明，我们的模型在库内和跨库测试中均取得了 SOTA 性能。
引用
@article{arxiv.1803.11097,
title = {Learning Deep Models for Face Anti-Spoofing: Binary or Auxiliary Supervision},
author = {Yaojie Liu and Amin Jourabloo and Xiaoming Liu},
journal= {arXiv preprint arXiv:1803.11097},
year = {2018}
}
备注
CVPR 2018