面向人脸防伪的在线自适应个性化
计算机视觉与模式识别
2022-07-26 v1
摘要
人脸认证系统需要鲁棒的防伪模块，因为它们可能被伪造授权用户的 spoof 图像所欺骗。大多数近期人脸防伪方法依赖优化架构与训练目标来缓解训练与测试用户间的分布偏移。然而，在真实在线场景中，来自某用户的过往数据包含可用于缓解分布偏移的宝贵信息。因此我们引入 OAP（在线自适应个性化）：一种可使用无标签数据在线适配模型的轻量方案。OAP 可应用于大多数防伪方法之上，且无需存储原始生物特征图像。通过在 SiW 数据集上的实验评估，我们表明 OAP 在单视频设定与连续设定（其中 spoof 视频与活体视频交错以模拟欺骗攻击）下均提升了现有方法的识别性能。我们还进行了消融研究以确认本方案的设计选择。
引用
@article{arxiv.2207.12272,
title = {Online Adaptive Personalization for Face Anti-spoofing},
author = {Davide Belli and Debasmit Das and Bence Major and Fatih Porikli},
journal= {arXiv preprint arXiv:2207.12272},
year = {2022}
}
备注
IEEE International Conference on Image Processing (ICIP) 2022