学习多义 spoof 痕迹：一种用于人脸防伪的多模态解耦网络
计算机视觉与模式识别
2022-12-09 v1
摘要
随着人脸识别系统的广泛应用，其脆弱性日益凸显。尽管现有人脸防伪方法可在攻击类型间泛化，但由于 spoof 特征的多样性，通用解仍具挑战性。近来，spoof 痕迹解耦框架在处理已知与未知 spoof 场景上展现出巨大潜力，但其性能很大程度上受限于单模态输入。本文针对该问题提出一种多模态解耦模型，有针对性地学习多义 spoof 痕迹，以实现更准确、更鲁棒的通用攻击检测。具体而言，基于对抗学习机制，设计了一个双流解耦网络，分别从 RGB 与深度输入中估计 spoof 模式。由此，它捕获了不同攻击中固有的互补 spoof 线索。此外，利用一个融合模块，在多阶段对两种表示进行重校准以促进各单独模态中的解耦，随后执行跨模态聚合以给出更全面的 spoof 痕迹表示用于预测。在多个基准上的大量评估表明，学习多义 spoof 痕迹有助于以更具可感知性与可解释性的结果实现防伪。
引用
@article{arxiv.2212.03943,
title = {Learning Polysemantic Spoof Trace: A Multi-Modal Disentanglement Network for Face Anti-spoofing},
author = {Kaicheng Li and Hongyu Yang and Binghui Chen and Pengyu Li and Biao Wang and Di Huang},
journal= {arXiv preprint arXiv:2212.03943},
year = {2022}
}
备注
Accepted by AAAI 2023