VLAD-VSA：基于词汇分离与适应的跨域人脸呈现攻击检测
计算机视觉与模式识别
2022-02-22 v1 人工智能
摘要
对于人脸呈现攻击检测（PAD），大多数欺骗线索是细微的局部图像模式（例如局部图像失真、3D 面具边缘和剪裁照片边缘）。然而，现有 PAD 工作采用简单全局池化方法的表示丢失了局部特征的可判别性。本文采用 VLAD 聚合方法，利用视觉词汇对特征空间进行局部划分来量化局部特征，从而保留局部可判别性。我们进一步提出词汇分离与适应方法，改进 VLAD 以用于跨域 PAD 任务。所提出的词汇分离方法将词汇划分为域共享和域特定的视觉词，以应对跨域场景下活体人脸与攻击人脸的多样性。所提出的词汇适应方法在端到端训练中模仿 k-means 算法的最大化步骤，保证视觉词接近所分配局部特征的中心，从而带来鲁棒的相似性度量。我们给出说明与大量实验，以证明在标准跨域 PAD 基准上 VLAD 结合所提词汇分离与适应方法的有效性。代码见 https://github.com/Liubinggunzu/VLAD-VSA。
引用
@article{arxiv.2202.10301,
title = {VLAD-VSA: Cross-Domain Face Presentation Attack Detection with Vocabulary Separation and Adaptation},
author = {Jiong Wang and Zhou Zhao and Weike Jin and Xinyu Duan and Zhen Lei and Baoxing Huai and Yiling Wu and Xiaofei He},
journal= {arXiv preprint arXiv:2202.10301},
year = {2022}
}
备注
ACM MM 2021