基于解耦表示的鲁棒人脸验证
计算机视觉与模式识别
2020-06-24 v2 机器学习
摘要
我们提出了一种用于人脸验证的鲁棒算法，即判断两幅图像是否为同一个人。我们的方法是对使用深度生成网络实现对抗鲁棒性这一思想的新诠释。我们在训练期间将生成模型用作在线增强方法，而非在测试时去除对抗噪声的净化器。我们的架构使用对比损失项和解耦生成模型来采样负样本对。我们不是随机配对两张真实图像，而是将一张图像与其类别修改后的对应图像配对，同时保持其内容（姿态、头部倾斜、头发等）不变。这使我们能够为对比损失高效地采样困难负样本对。我们通过实验表明，当与对抗训练结合时，所提方案在弱内部求解器下即可收敛，并且在针对白盒物理攻击进行评估时，其干净准确率与鲁棒准确率均高于现有最优方法。
引用
@article{arxiv.2006.03638,
title = {Robust Face Verification via Disentangled Representations},
author = {Marius Arvinte and Ahmed H. Tewfik and Sriram Vishwanath},
journal= {arXiv preprint arXiv:2006.03638},
year = {2020}
}
备注
Preprint