局部观察全局推断：一种可泛化的人脸反欺骗方法
计算机视觉与模式识别
2020-06-17 v3
摘要
最先进的欺骗检测方法往往过拟合于训练时见过的欺骗类型，而无法泛化到未知欺骗类型。鉴于人脸反欺骗本质上是一项局部任务，我们提出了一种人脸反欺骗框架，即自监督区域全卷积网络（SSR-FCN），它以自监督方式从人脸图像中学习局部判别线索。所提框架在保持整体人脸反欺骗方法的计算效率（在 Nvidia GTX 1080Ti GPU 上小于 4 ms）的同时提升了泛化能力。该方法具有可解释性，因为它能定位人脸中哪些部分被标记为欺骗。实验结果表明，SSR-FCN 在包含 13 种不同欺骗类型的未知攻击数据集上评估时可达到 TDR = 65% @ 2.0% FDR，同时在标准基准数据集（Oulu-NPU、CASIA-MFSD 和 Replay-Attack）上取得具有竞争力的性能。
引用
@article{arxiv.2006.02834,
title = {Look Locally Infer Globally: A Generalizable Face Anti-Spoofing Approach},
author = {Debayan Deb and Anil K. Jain},
journal= {arXiv preprint arXiv:2006.02834},
year = {2020}
}