PipeNet：用于多模态人脸防伪的融合网络选择性模态流水线
计算机视觉与模式识别
2020-04-27 v1
摘要
由于泛滥且易发起的呈现攻击，人脸防伪已成为认证系统日益重要且关键的安全特性。针对多模态人脸数据集的短缺，CASIA 近期发布了最新且规模最大的 CASIA-SURF 跨种族人脸防伪(CeFA) 数据集，涵盖 3 个种族、3 种模态、1607 名受试者，以及四种协议下的 2D 加 3D 攻击类型，并聚焦于提升跨种族与多模态连续数据中人脸防伪泛化能力的挑战。本文提出一种称为 PipeNet 的基于流水线的新型多流 CNN 架构，用于多模态人脸防伪。与以往工作不同，选择性模态流水线 (SMP) 旨在为每种数据模态启用定制化流水线，以充分利用多模态数据。有限帧投票 (LFV) 旨在确保视频分类的稳定且准确预测。所提方法在 Chalearn 多模态跨种族人脸防伪识别挑战赛@CVPR2020 的最终排名中获第三名。我们的最终提交在测试集上取得了平均分类错误率 (ACER) 为 2.21、标准差为 1.26 的结果。
引用
@article{arxiv.2004.11744,
title = {PipeNet: Selective Modal Pipeline of Fusion Network for Multi-Modal Face Anti-Spoofing},
author = {Qing Yang and Xia Zhu and Jong-Kae Fwu and Yun Ye and Ganmei You and Yuan Zhu},
journal= {arXiv preprint arXiv:2004.11744},
year = {2020}
}
备注
Accepted to appear in CVPR2020 WMF