用于人脸反欺骗的元教师
计算机视觉与模式识别
2021-11-15 v1 人工智能
摘要
人脸反欺骗（FAS）保护人脸识别免受呈现攻击（PAs）。现有FAS方法通常用人工设计的二值或像素级标签监督PA检测器。然而，人工设计的标签可能并非监督PA检测器学习充分且本质欺骗线索的最恰当方式。我们不使用人工设计标签，而提出一种新颖的元教师FAS（MT-FAS）方法，训练一个元教师以更有效地监督PA检测器。该元教师以双层优化方式训练，以学习监督PA检测器学习丰富欺骗线索的能力。双层优化包含两个关键部分：1）底层训练，其中元教师在训练集上监督检测器的学习过程；2）高层训练，其中通过最小化检测器的验证损失来优化元教师的教学表现。我们的元教师与现有教师-学生模型显著不同，因为元教师被显式训练以更好地教导检测器（学生），而现有教师为出色精度训练却忽视教学能力。在五个FAS基准上的大量实验表明，采用所提MT-FAS，训练出的元教师1）比人工设计标签和现有教师-学生模型提供更合适的监督；2）显著提升PA检测器的性能。
引用
@article{arxiv.2111.06638,
title = {Meta-Teacher For Face Anti-Spoofing},
author = {Yunxiao Qin and Zitong Yu and Longbin Yan and Zezheng Wang and Chenxu Zhao and Zhen Lei},
journal= {arXiv preprint arXiv:2111.06638},
year = {2021}
}
备注
Accepted by IEEE TPAMI-2021