基于中心差分网络的多模态人脸反欺骗
计算机视觉与模式识别
2020-04-21 v1
摘要
人脸反欺骗（FAS）在保护人脸识别系统免受演示攻击方面起着至关重要的作用。现有的多模态FAS方法依赖于堆叠的普通卷积，这在描述来自模态的详细内在信息方面较弱，并且当域偏移（例如，跨攻击和跨种族）时容易失效。在本文中，我们将中心差分卷积网络（CDCN）扩展到多模态版本，旨在捕获三种模态（RGB、深度和红外）之间的内在欺骗模式。同时，我们也对基于单模态的CDCN进行了详细研究。我们的方法在ChaLearn人脸反欺骗攻击检测挑战赛@CVPR2020的“多模态赛道”中获得第一名，在“单模态（RGB）赛道”中获得第二名。我们最终提交的结果在“多模态赛道”和“单模态（RGB）赛道”中分别获得了1.02±0.59%和4.84±1.79%的ACER。代码可在https://github.com/ZitongYu/CDCN获取。
引用
@article{arxiv.2004.08388,
title = {Multi-Modal Face Anti-Spoofing Based on Central Difference Networks},
author = {Zitong Yu and Yunxiao Qin and Xiaobai Li and Zezheng Wang and Chenxu Zhao and Zhen Lei and Guoying Zhao},
journal= {arXiv preprint arXiv:2004.08388},
year = {2020}
}
备注
1st place in "Track Multi-Modal" of ChaLearn Face Anti-spoofing Attack Detection Challenge@CVPR2020; Accepted by CVPR2020 Media Forensics Workshop. arXiv admin note: text overlap with arXiv:2003.04092