Apr, 2020

跨族群人脸反欺诈识别挑战：综述

PDF
TL;DR该研究主要探讨基于深度神经网络的人脸反欺诈技术在实践中存在的族裔偏差问题，并介绍了 CASIA-SURF CeFA 跨种族人脸反欺诈数据集与 Chalearn Face Anti-spoofing Attack Detection Challenge 竞赛等相关内容及其结果
face anti-spoofingdeep neural networksethnic biascasia-surf cefachalearn face anti-spoofing attack detection challenge
发现论文，激发创造
  • CASIA-SURF CeFA: 多模态跨种族人脸反欺骗基准

    本文介绍了最大的跨民族人脸反欺骗数据集 CeFA，其中包含三种民族，三种模式，1607 个受试者和 2D 加 3D 攻击类型。作者还提出了一种新的多模态融合方法和部分共享融合策略来缓解人脸反欺骗系统的族群偏见，并在多个数据集上取得了最好的反欺骗性能。

    Mar, 2020

  • 用于大规模多模态面部防欺诈的数据集和基准

    CASIA-SURF 是迄今最大的人脸反欺诈公共数据集，提出了一种基于特征重新加权的多模态融合方法，并在数据集上进行了广泛的实验，验证了其重要性和通用性。

    Dec, 2018

  • CASIA-SURF：用于面部防欺骗的大规模多模态基准

    本文介绍了 CASIA-SURF 数据集，该数据集是当前公开的最大规模的面部反欺诈数据集，并提出了一个新的基准测试方法 - 多模态多尺度融合，并在该数据集上进行了广泛的实验以证明其重要性和概括能力。

    Aug, 2019

  • CelebA-Spoof 2020 人脸反欺诈挑战：方法与结果

    本论文介绍了 CelebA-Spoof 数据集，针对人脸反欺诈的研究进行了方法和结果报告，并分析了竞赛的排名解决方案，提出了未来的研究方向。

    Feb, 2021

  • CelebA-Spoof：带有丰富注释的大规模人脸反欺诈数据集

    本文介绍了防止虚假面孔识别的一种重要领域，即面部防欺骗。针对数量和多样性两大问题，提出了一个大规模的 CelebA-Spoof 数据集，并使用多任务框架 AENet 对现有方法进行了测试，揭示了一些有价值的观察结果。

    Jul, 2020

  • 2023 年野外人脸反欺诈挑战：基准和结果

    介绍野外人脸防炸数据集（WFAS），该数据集包含 853,729 张交错图像，涵盖了 321,751 个欺诈主题和 148,169 个真实主题，集成了从互联网获得欺诈数据，并在 CVPR2023 工作坊上主持了野生人脸反欺诈挑战。

    Apr, 2023

  • 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

  • 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

  • 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

  • 创造人工模态以解决 RGB 真实性问题

    提出利用人工制造的模态从 RGB 视频中提取状态间的动态差异，用于对付人脸反欺诈，通过中间表示来增加模型对未知攻击和未知族群的鲁棒性，该方法在最大的跨族群人脸反欺诈数据集 CASIA-SURF CeFA（RGB）上取得了最先进的效果。

    Jun, 2020