OrthoMAD：通过正交身份解耦进行换脸攻击检测
计算机视觉与模式识别
2022-08-24 v2
摘要
换脸攻击是持续影响深度人脸识别系统的诸多威胁之一。它是指选取两个不同个体的面孔并将其融合为一张包含双方身份信息的最终图像。在本工作中，我们提出了一种新颖的正则化项，其考虑了两者中存在的身份信息并促使生成两个正交的潜向量。我们在FRLL数据集上的五种不同的换脸类型中评估了所提方法(OrthoMAD)，并评估了我们的模型在五个不同数据集上训练时的性能。以小型ResNet-18为骨干网络，我们在大多数实验中取得了最先进(state-of-the-art)的结果，在其他实验中取得了具有竞争力的结果。本文代码将公开可用。
引用
@article{arxiv.2208.07841,
title = {OrthoMAD: Morphing Attack Detection Through Orthogonal Identity Disentanglement},
author = {Pedro C. Neto and Tiago Gonçalves and Marco Huber and Naser Damer and Ana F. Sequeira and Jaime S. Cardoso},
journal= {arXiv preprint arXiv:2208.07841},
year = {2022}
}
备注
Accepted at BIOSIG 2022