CVPRMar, 2018

面部反欺诈学习深度模型：二进制或辅助监督

PDF
TL;DR本研究介绍了一种通过 CNN-RNN 模型学习面部深度和估计 rPPG 信号来识别真实人脸和虚假人脸的新型面部反欺诈方法，并提出了一种新的面部反欺诈数据库，数据集包含大范围的变化。实验结果表明，该模型在数据库内和跨数据库测试上均达到了最先进水平。
face anti-spoofingdeep learningcnn-rnn modelauxiliary supervisionstate-of-the-art performance
发现论文，激发创造
  • 基于半监督学习的人脸反欺诈通用方法

    本文提出了一种利用无监督预训练改进性能的方法，介绍了 Entry Antispoofing 数据集来进行监督微调，并提出了一种多类别辅助分类层，以增强检测欺骗企图的二进制分类任务，实现了在多个数据集上的最新结果。

    Jun, 2022

  • 面部防欺诈的深度频繁空时学习

    本研究提出了一种基于二流 FreqSaptialTemporalNet 的人脸反欺诈新方法，通过融合多种信息来提高性能并采用频谱图像作为一个输入流，以实现自动发现真假视频之间的主要差异。同时，利用适当的数据增强方法以解决数据不足的问题。

    Jan, 2020

  • 人脸防照片攻击的深度空间梯度与时间深度学习

    本论文提出了一种使用多帧和深度学习方法进行面部防欺骗的新方法，通过 Residual Spatial Gradient Block 和 Spatio-Temporal Propagation Module 等技术实现了优秀的检测性能，在多个数据集上均取得了最先进的结果。

    Mar, 2020

  • 人脸反欺诈的深度学习技术概述

    本文首次系统综述了基于深度学习的人脸反欺诈技术，从像素级监督、领域泛化和多模式传感器等多个角度出发，阐述了该领域的最新成果与潜在前景。

    Jun, 2021

  • 基于图像和视频的人脸反欺诈领域无关特征学习

    本文提出了一种基于条件分类器领域鉴别器的活体检测方法，该方法结合了梯度反转层，以产生具有鉴别性而又对环境光照、分辨率等因素具有鲁棒性的真人和虚假特征，该方法在图像和视频方面均优于现有的反欺诈技术。

    Dec, 2019

  • 人脸去欺骗：噪声建模反欺骗

    本研究提出一种面部反欺诈方法，通过图像处理和 CNN 架构对虚假面部噪声进行建模，可以通过反向分解虚假面部得到虚假噪声和真实面部，以增强分类的准确性并可视化虚假噪声。

    Jul, 2018

  • 深度局部特征学习在人脸防欺骗检测中的应用

    本文使用卷积神经网络（CNN）中的局部特征来提高面部欺骗检测的性能，并且在整个面部图像上进行预训练，使 CNN 可以学习不同的本地欺骗线索，从而改进了性能并提高了最终模型的收敛速度。

    Jun, 2018

  • 学习人脸防欺骗的通用欺骗特征

    本研究提出了一种基于异常检测的面部活体检测框架，通过学习区分真人和虚假攻击的差异性信息（称作欺骗线索），来提高模型的鲁棒性和泛化性能，实验结果表明该方法优于现有技术。

    May, 2020

  • 跨域人脸反欺诈的深度转移

    本文提出了一种使用 CNN 框架利用目标领域的稀疏标记数据来改善人脸防欺骗模型跨数据集测试性能的方法，实验结果表明仅使用少量标记样本即可显著提高模型的泛化能力。

    Jan, 2019

  • 卷积神经网络在人脸反欺诈中的性能评估

    本文通过基于卷积神经网络的 Inception 和 ResNet 模型在 MSU Mobile Face Spoofing 数据库上的表现，研究了如何应用这些深度学习算法实现面部反欺骗的生物特征访问控制。

    May, 2018