无监督复合域自适应在人脸活体检测中的应用
计算机视觉与模式识别
2021-05-19 v1 机器学习
摘要
我们解决人脸活体检测问题，其目标是使人脸验证系统在真实世界设定中保持鲁棒。与目标域中检测活体人脸与伪造人脸图像的情境相比，训练模型的带标签源域的情境可能存在显著差异。此类差异可能由新的未知欺骗类型、光照条件、场景背景等诸多因素造成。这些种类繁多的差异使目标域成为一个复合域，从而引出无监督复合域自适应问题。我们在本工作中首次展示了复合域假设在人脸活体检测任务中的有效性。为此，我们提出一种记忆增强方法，以域感知的方式将源模型自适应至目标域。通过使用课程学习和域无关源网络训练方法，自适应过程得到进一步改善。所提方法成功自适应到由多种新欺骗类型构成的复合目标域。我们在多个基准数据集上的实验表明了所提方法相对于当前最优（SOTA）方法的优越性。
引用
@article{arxiv.2105.08463,
title = {Unsupervised Compound Domain Adaptation for Face Anti-Spoofing},
author = {Ankush Panwar and Pratyush Singh and Suman Saha and Danda Pani Paudel and Luc Van Gool},
journal= {arXiv preprint arXiv:2105.08463},
year = {2021}
}
备注
9 pages, 6 figures