计算机视觉中的活体检测：基于Transformer的自监督学习用于人脸防欺诊
计算机视觉与模式识别
2024-10-23 v1
摘要
人脸识别系统日益增多地用于生物识别安全，以实现便捷性和有效性。然而，它们仍然容易受到欺诈攻击，攻击者使用照片、视频或面具来冒充合法用户。本研究通过探索Vision Transformer（ViT）架构，并使用DINO框架进行微调来解决这些漏洞。DINO框架促进了自监督学习，使模型能够从无标签数据中学习区分特征。我们对比了使用DINO框架微调的ViT模型与在人脸防欺诊任务上使用的传统CNN模型（EfficientNet b2）的性能。大量测试表明，ViT模型在准确率和抵抗不同欺诈方法方面均优于CNN模型。此外，我们收集了来自生物识别应用的自有数据集以进一步验证我们的发现。该研究突显了基于Transformer的架构在识别复杂欺诈线索方面的卓越性能，为生物识别安全带来了重要进展。
引用
@article{arxiv.2406.13860,
title = {Liveness Detection in Computer Vision: Transformer-based Self-Supervised Learning for Face Anti-Spoofing},
author = {Arman Keresh and Pakizar Shamoi},
journal= {arXiv preprint arXiv:2406.13860},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication