基于基础模型的虹膜呈现攻击检测方法
计算机视觉与模式识别
2025-01-14 v1
摘要
基础模型由于在海量数据集上训练而具有强大的泛化能力，因此越来越受欢迎。这种泛化能力在近红外虹膜呈现攻击检测（PAD）等领域具有吸引力，因为该领域数据库中的受试者数量和攻击工具多样性有限，并且真实图像与攻击图像之间没有对应关系（大多数情况下它们不属于同一受试者）。本文探索了一种基于两种基础模型DinoV2和VisualOpenClip的虹膜PAD方法。结果表明，使用小型神经网络作为头部进行预测微调，其性能超越了基于深度学习的现有最优方法。然而，如果真实图像和攻击图像均可用，从头训练的系统仍能取得更好的结果。
引用
@article{arxiv.2501.06312,
title = {Towards Iris Presentation Attack Detection with Foundation Models},
author = {Juan E. Tapia and Lázaro Janier González-Soler and Christoph Busch},
journal= {arXiv preprint arXiv:2501.06312},
year = {2025}
}