CVPRApr, 2020

PipeNet: 多模人脸反欺诈选择性模态融合网络的流水线

PDF
TL;DR我们提出了一个名为 “PipeNet” 的多流卷积神经网络架构，针对跨族群、多模态连续数据下提高面部反欺骗泛化能力的挑战，利用 CASIA-SURF 最新的 CeFA 数据集进行训练和测试，使用有选择的模态流和有限帧投票等方法，达到了 CVPR2020 Chalearn 多模态交叉族群人脸反欺骗识别挑战的第三名，测试集上的平均分类错误率为 2.21，标准差为 1.26。
发现论文，激发创造
  • 基于中心差分网络的多模态人脸防疫欺骗技术

    本文提出了一种基于中心差分卷积神经网络 (CDCN) 的多模式人脸防伪技术，能够对 RGB、深度和红外三种方式获取的数据进行准确的真假识别，成果在 2020 年 ChaLearn 人脸防伪攻击检测挑战赛中位居第一和第二名。

    Apr, 2020

  • FM-ViT：面部反欺诈的灵活模态视觉变压器

    本文提出了一种基于 Transformer 的框架，名为 Flexible Modal Vision Transformer (FM-ViT)，用于面部防欺骗，以灵活地针对任何单模态攻击情景和可用的多模态数据。实验结果表明，单个基于 FM-ViT 的模型不仅可以灵活评估不同的模态样本，而且在较小的 FLOPs 和模型参数的情况下，也可以超越现有的单模态框架，并与多模态框架的性能相当。

    May, 2023

  • 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

  • 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

  • 跨族群人脸反欺诈识别挑战：综述

    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

    Apr, 2020

  • 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

  • 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

  • 学习多义反欺骗迹象：一种用于人脸反欺骗的多模态解缠网络

    该研究论文主要针对人脸识别中的反欺诈问题，提出一种多模态解缠模型，通过对来自 RGB 和深度输入的欺诈模式进行重定标定和交叉模态聚合，实现了更精确、更稳健的反欺诈预测。

    Dec, 2022

  • PatchNet: 一种基于精细化 Patch 识别的简易面部防欺骗框架

    本文提出了 PatchNet 框架，通过对非扭曲的面部图像裁剪，识别由拍摄设备和陈列材料组成的细粒度面部图案，以加强对本地拍摄模式的区分学习，同时提出了新的分类和自监督相似度损失函数，并在多项测试数据上验证了该框架在面部反欺诈技术方面的优越性

    Mar, 2022

  • 合成人脸图像的多通道跨模态检测

    通过使用跨媒体聚焦损失函数分析频率和可见光谱中的信息，我们提出了一种用于检测完全合成面部图像的多通道架构，并与几种使用二进制交叉熵训练的相关架构进行比较，在跨模型实验中展示了受跨媒体聚焦损失函数监督的所提出的架构通常具有最具竞争力的性能。

    Nov, 2023