利用顶点帧的半监督学习人脸活体检测
计算机视觉与模式识别
2023-09-12 v1
摘要
人脸活体检测领域的常规特征提取技术要么分析整个视频序列,要么聚焦特定片段以提升模型性能。然而,识别为人脸活体检测提供最有价值输入的最优帧仍是一项挑战。本文中,我们通过采用 Gaussian 加权为视频创建顶点帧来应对该挑战。具体而言,顶点帧由视频通过其各帧的加权和导出,其中权重由以视频中心帧为中心的 Gaussian 分布确定。此外,我们利用 Gaussian 函数探索不同时长以生成多个无标签顶点帧,无需卷积。借此,我们发挥了半监督学习的优势,其同时考虑有标签与无标签顶点帧以有效区分真实与伪造类别。我们的关键贡献强调了顶点帧代表视频中最显著时刻的能力,而无标签顶点帧促进了高效的半监督学习,因其使模型能从不同时长的视频中学习。使用四个脸活体检测数据库:CASIA、REPLAY-ATTACK、OULU-NPU 与 MSU-MFSD 的实验结果证明了顶点帧在推进人脸活体检测技术中的功效。
引用
@article{arxiv.2309.04958,
title = {Semi-Supervised learning for Face Anti-Spoofing using Apex frame},
author = {Usman Muhammad and Mourad Oussalah and Jorma Laaksonen},
journal= {arXiv preprint arXiv:2309.04958},
year = {2023}
}