通过去欺骗扩散建模欺骗噪声及其在人脸反欺骗中的应用

人脸反欺骗对于确保人脸识别系统的安全性和可靠性至关重要。现有的一些人脸反欺骗方法利用类似GAN的网络，通过估计欺骗图像的噪声模式并恢复相应的真实图像来检测呈现攻击。但GAN有限的人脸外观空间导致去噪后的人脸无法覆盖真实人脸的完整数据分布，从而削弱了此类方法的泛化性能。在这项工作中，我们首次尝试使用扩散模型对欺骗图像进行去噪并恢复真实图像。这两幅图像之间的差异被视为欺骗噪声，可以作为人脸反欺骗的判别线索。我们在多个内测试和跨测试协议上评估了我们提出的方法，实验结果表明了该方法在准确性和泛化性方面取得竞争性能的有效性。