面向域泛化人脸反欺骗的活体表征学习
计算机视觉与模式识别
2022-08-17 v1 机器学习
摘要
人脸反欺骗（FAS）旨在区分人脸欺骗攻击与真实人脸，通常通过学习适当的模型来执行相应的分类任务。在实践中，人们期望此类模型能泛化到不同图像域中的 FAS。此外，假设欺骗攻击的类型可提前获知是不现实的。本文提出一种深度学习模型以解决上述域泛化人脸反欺骗任务。具体而言，我们所提出的网络能够将面部活体表征与无关表征（即面部内容与图像域特征）解耦。所得活体表征展现出充分的域不变特性，因此可应用于域泛化 FAS。在实验中，我们在五个基准数据集上以多种设置开展实验，并验证我们的模型在未见图像域中识别新型欺骗攻击方面优于 SOTA 方法。
引用
@article{arxiv.2208.07828,
title = {Learning Facial Liveness Representation for Domain Generalized Face Anti-spoofing},
author = {Zih-Ching Chen and Lin-Hsi Tsao and Chin-Lun Fu and Shang-Fu Chen and Yu-Chiang Frank Wang},
journal= {arXiv preprint arXiv:2208.07828},
year = {2022}
}
备注
Accepted to ICME 2022